Praca humanitarna jest obarczona niebezpieczeństwami. Dostarczanie żywności przez strefy objęte działaniami wojennymi, pola minowe lub obszary objęte gwałtownymi powodziami może kosztować pomagających życie. Teraz technologie stworzone dla Marsa wracają na Ziemię, aby ratować życie.
Projekt AHEAD jest wspólną inicjatywą Światowego Programu Żywnościowego (WFP), Niemieckiego Centrum Aeronautyki i Przestrzeni Kosmicznej (DLR), Czerwonego Krzyża i partnerów technologicznych. Tworzą zdalnie sterowane pojazdy do miejsc zbyt niebezpiecznych dla ludzi.
„Obecnie w wielu krajach takie systemy nie zostały jeszcze zintegrowane ze standardowymi protokołami reagowania kryzysowego”. — Monicug Kullitzsch
Jak zdalne sterowanie zastępuje ryzyko na miejscu
Materiał filmowy DLR przedstawia SUV-a SHERP na torze testowym w Niemczech. Pokonuje przeszkody na otwartej wodzie i wspina się po skalistych zboczach.
W kabinie nie ma kierowcy. Czujniki skanują ścieżkę przed pojazdem, a operator zdalnie steruje sprzętem.
Technologia ta wyszła z głębi kosmosu. DLR opracowało łaziki planetarne, takie jak łazik MMX, dla Fobosa, księżyca Marsa. Ta autonomia umożliwia teraz rozmieszczenie pomocy w obszarach niebezpiecznych bez pilota w kokpicie.
Śledź głód, zanim się pogorszy
Przekazanie pomocy nie jest jedynym rozwiązaniem. Musimy także przewidzieć, gdzie nadejdzie głód.
WFP uruchomiło platformę HungerMap Live. To bezpłatna usługa wykorzystująca uczenie maszynowe do śledzenia braku bezpieczeństwa żywnościowego w ponad 95 krajach.
Algorytm wprowadza dane dotyczące konfliktów, warunków pogodowych, zagrożeń klimatycznych i sytuacji gospodarczej. Cel jest prosty: identyfikacja kryzysów na wczesnym etapie.
Bernhard Kovacs, szef WFP ds. globalnego akceleracji, zauważa, że testują prognozy z 90-dniowym wyprzedzeniem. Dane w czasie rzeczywistym pozwalają zobaczyć nadchodzącą kolejną falę głodu.
Dlaczego karty AI są szybsze niż ochotnicy
Mapy są niezbędne w sytuacjach katastrof. Bez informacji o drogach i lokalizacjach budynków asystenci działają na ślepo. Nie wiedzą, gdzie ewakuować ludzi i gdzie dostarczyć zaopatrzenie.
Weźmy trzęsienia ziemi w północnej Wenezueli w czerwcu tego roku. Oceny szkód były powolne, a dane geograficzne były skąpe.
Z pomocą przyszła społeczność Humanitarian OpenStreetMap Team (HOT). Zastosowali uczenie maszynowe do zdjęć satelitarnych, aby znaleźć budynki, a wolontariusze użyli aplikacji MapSwipe do ich sprawdzenia.
Len D’Hondt, szef technologii w HOT, twierdzi, że w ciągu czterech dni zmobilizowało 600 wolontariuszy. Oglądali obrazy na ekranach swoich telefonów: przesuwali w lewo lub w prawo – „uszkodzone” lub „nienaruszone”.
Prędkość ta pomogła ratownikom wcześnie wskazać lokalizacje dostaw żywności.
Czy sztuczna inteligencja zastępuje człowieka? Jeszcze nie.
D’Hondt twierdzi, że ręczne mapowanie pozwala uzyskać dane wyższej jakości. Jednak w pierwszych godzinach po trzęsieniu ziemi prędkość wygrywa.
„Czasami ważniejsza jest większa lub mniejsza wiedza na temat układu budynków” – mówi D’Hondt.
Budynki mogą nie być idealnie odwzorowane. Wiemy jednak, ile osób tam mieszka. W tym momencie w grę wchodzi uczenie maszynowe.
Stan integracji z systemami reagowania
Systemy te nie stały się jeszcze standardem. Znawcy twierdzą, że ich integracja z globalnymi protokołami awaryjnymi pozostaje na niskim poziomie.
Są wyjątki. W Indiach codziennie działa system wczesnego ostrzegania oparty na sztucznej inteligencji. Europa posiada system prognoz z Europejskiego Centrum Prognoz Średnich Pogody (ECMWF), który jest już wbudowany w przepływ pracy.
Większość innych krajów? Wciąż w fazie eksperymentalnej.
Monikug Kullitzsch, który zarządza projektami innowacyjnymi w Instytucie Fraunhofera Heinricha Hertza, zauważa rozbieżność między testami laboratoryjnymi a rzeczywistym zastosowaniem w terenie.
Technologia ma moc zmiany pomocy humanitarnej: wyciąga ludzi z ognia, przepowiada głód. Jednak infrastruktura, która je wspiera, wciąż nadrabia zaległości. Mamy narzędzia, protokoły są właśnie pisane.
