O trabalho humanitário é perigoso. Distribuir alimentos através de zonas de conflito, campos minados ou inundações repentinas pode matar trabalhadores humanitários. Agora, a tecnologia adaptada para Marte está voltando para casa para salvar vidas.
O Projeto AHEAD é um esforço conjunto do Programa Alimentar Mundial (PMA), do DLR da Alemanha, da Cruz Vermelha e de parceiros tecnológicos. Eles estão construindo veículos operados remotamente para locais muito arriscados para os humanos.
“No momento, não existem sistemas integrados a esses protocolos de emergência em muitos países.” —Monique Kuglitsch
Como o controle remoto substitui o risco no terreno
Imagens do DLR mostram um caminhão todo-o-terreno SHERP em um local de testes na Alemanha. Ele dirige em águas abertas. Ele sobe em rochas ásperas.
O motorista não está no veículo. Sensores examinam o caminho à frente. Um operador controla a máquina remotamente.
Esta tecnologia vem do espaço profundo. O DLR desenvolveu rovers planetários como o rover MMX para Fobos, a lua de Marte. Agora, essa autonomia move a ajuda para zonas de perigo. Nenhum piloto é necessário na cabine.
Rastreando a fome antes que piore
A entrega não é a única solução. Também precisamos prever onde ocorre a fome.
O PMA lançou o HungerMap Live. É uma plataforma gratuita. Utiliza aprendizagem automática para monitorizar a insegurança alimentar em mais de 95 países.
Os pontos de dados incluem conflito. O clima é importante. Os perigos climáticos e as condições económicas alimentam o algoritmo. O objetivo é simples: detectar crises precocemente.
Bernhard Kowatsch lidera a divisão Global Accelerator do PMA. Ele observa que eles estão testando as previsões para os próximos 90 dias. Os dados em tempo real ajudam-nos a prever a próxima onda de fome.
Por que os mapas de IA são mais rápidos que os voluntários humanos
Os mapas são vitais em desastres. Sem dados rodoviários ou locais de construção, os trabalhadores humanitários ficam cegos. Eles não sabem para onde evacuar ou entregar suprimentos.
Tomemos como exemplo os terremotos no norte da Venezuela em junho. A avaliação dos danos foi lenta. Os dados geográficos eram escassos.
A equipe humanitária do OpenStreetMap (HOT) interveio. Eles usaram aprendizado de máquina em imagens de satélite para encontrar edifícios. Os voluntários usaram o aplicativo MapSwipe para verificá-los.
Leen D’hondt lidera tecnologia na HOT. Ela diz que mobilizaram 600 voluntários em quatro dias. Eles deslizaram para a esquerda ou para a direita nas telas dos dispositivos móveis. Sim, danificado. Não, intacto.
Essa velocidade ajudou os primeiros respondentes a direcionar corretamente as entregas de alimentos.
A IA está substituindo os humanos? Não. Ainda não.
D’hondt argumenta que o mapeamento manual oferece melhor qualidade. Mas a velocidade vence logo após um terremoto.
“Às vezes é mais importante saber mais ou menos onde estão os edifícios”, disse D’hondt.
Os edifícios podem não estar perfeitamente mapeados. Mas sabemos quantas pessoas vivem lá. É aí que o aprendizado de máquina se encaixa agora.
A integração do estado de emergência
Esses sistemas ainda não são padrão. Pessoas internas dizem que a integração nos protocolos de emergência globais permanece baixa.
Existem exceções. A Índia usa um sistema de alerta precoce de IA que funciona diariamente. A Europa utiliza um sistema de previsão de IA do Centro Europeu de Previsões Meteorológicas de Médio Prazo. Está operacional.
A maioria dos outros países? Ainda experimental.
Monique Kuglitsch gerencia inovação no instituto Fraunhofer Heinrich Hertz. Ela observa a lacuna entre os testes de laboratório e o uso em campo.
A tecnologia pode remodelar a ajuda. Ele tira os humanos do fogo. Prediz fome. Mas a infra-estrutura para apoiá-lo ainda está em recuperação. Nós temos as ferramentas. Os protocolos ainda estão sendo escritos.
