Гуманитарная работа сопряжена с опасностью. Доставка продовольствия через зоны боевых действий, минные поля или районы внезапных наводнений может стоить жизни помощникам. Сейчас технологии, созданные для Марса, возвращаются на Землю, чтобы спасать жизни.
Project AHEAD — это совместная инициатива Всемирной продовольственной программы (ВПП), Немецкого центра аэронавтики и космонавтики (DLR), Красного Креста и технологических партнеров. Они создают дистанционно управляемые транспортные средства для мест, слишком опасных для людей.
«Прямо сейчас в многих странах такие системы еще не интегрированы в стандартные протоколы реагирования на чрезвычайные ситуации.» — Моникуг Куллицш
Как дистанционное управление заменяет риск на местах
Видеоматериалы DLR показывают внедорожник SHERP на тестовом полигеме в Германии. Он преодолевает открытые водные преграды, взбирается по каменистым склонам.
Водителя в кабине нет. Сенсоры сканируют путь впереди, а оператор управляет техникой удаленно.
Эта технология пришла из глубин космоса. DLR разрабатывал планетные роверы, такие как ровер MMX для Фобоса, спутника Марса. Теперь эта автономия позволяет выводить помощь в опасные зоны без пилота в кабине.
Отслеживание голода до того, как ситуация усугубится
Доставка помощи — не единственное решение. Нам также нужно предсказывать, где ударит голод.
ВПП запустила платформу HungerMap Live. Это бесплатный сервис, использующий машинное обучение для отслеживания продовольственной нестабильности более чем в 95 странах.
На вход алгоритма поступают данные о конфликтах, погодные условия, климатические угрозы и экономическая ситуация. Цель проста: выявлять кризисы на ранней стадии.
Берnhard Ковач, глава отдела глобального ускорения ВПП, отмечает, что они тестируют прогнозы на 90 дней вперед. Данные в реальном времени позволяют видеть приближение следующего волна голода.
Почему карты с ИИ быстрее волонтеров
Карты жизненно важны в условиях катастроф. Без данных о дорогах или расположении зданий помощники действуют вслепую. Они не знают, куда эвакуировать людей или куда доставлять припасы.
Возьмем землетрясения на севере Венесуэлы в июне этого года. Оценка ущерба проводилась медленно, географические данные были скудными.
На помощь пришло сообщество Humanitarian OpenStreetMap Team (HOT). Они применили машинное обучение к спутниковым снимкам для поиска зданий, а волонтеры использовали приложение MapSwipe для их проверки.
Лен Д’Хондт, руководитель технологического направления в HOT, говорит, что за четыре дня они мобилизовали 600 волонтеров. Те просматривали изображения на экранах телефонов: смахивали влево или вправо — «повреждено» или «цело».
Эта скорость помогла спасателям на ранних этапах точно определить места для доставки еды.
Заменяет ли ИИ людей? Пока нет.
Д’Хондт утверждает, что ручная картография обеспечивает более высокое качество данных. Однако в первые часы после землетрясения побеждает скорость.
«Иногда важнее знать больше или меньше о расположении зданий», — говорит Д’Хондт.
Здания могут быть нанесены на карту не идеально. Но мы знаем, сколько людей там живет. Вот здесь сейчас и применяется машинное обучение.
Состояние интеграции в системы реагирования
Эти системы пока не стали стандартом. Инсайдеры сообщают, что их интеграция в глобальные протоколы чрезвычайных ситуаций остается низкой.
Исключения есть. В Индии ежедневно работает система раннего предупреждения на базе ИИ. В Европе действует система прогнозирования от Европейского центра среднедневных прогнозов погоды (ECMWF), которая уже встроена в рабочий процесс.
Большинство других стран? Все еще на экспериментальной стадии.
Моникуг Куллицш, управляющая инновационными проектами в институте Фраунгофера Генриха Герца, отмечает разрыв между лабораторными испытаниями и реальным применением на местах.
Технологии способны изменить гуманитарную помощь: они вытаскивают людей из огня, предсказывают голод. Но инфраструктура для их поддержки все еще догоняет прогресс. Инструменты у нас есть, протоколы только пишутся.
