Deprem: Yapay Zeka Afet Yardımına Nasıl Yardımcı Olabilir?
Güncel bilgilere göre, son olarak Türkiye-Suriye sınır bölgesinde meydana gelen depremde yaklaşık 50.000 kişi hayatını kaybetmiştir. Binlercesi daha kayıp. Yeni bir araç örneği, yapay zekanın artık depremden sonra acil durum hizmetlerinin planlanmasına nasıl yardımcı olabileceğini gösteriyor.
xView2, Pentagon’un Savunma İnovasyon Birimi tarafından Microsoft ve California Üniversitesi, Berkeley dahil olmak üzere çok sayıda araştırma ortağıyla işbirliği içinde desteklenen ve geliştirilen açık kaynaklı yazılımın adıdır. Afet bölgesindeki binalara ve altyapıya verilen hasarı belirlemek ve ciddiyetini sınıflandırmak için uydu görüntüleriyle eşleştirilmiş makine öğrenimi algoritmalarını kullanır. Ve mevcut yöntemlerle mümkün olandan daha hızlı.
Savunma İnovasyon Birimi’nde kıdemli yapay zeka bilimcisi ve Berkeley’de bir araştırmacı olan Ritwik Gupta, programın sahadaki ilk müdahale ekiplerinin hayatta kalanları bulmaya ve kurtarma çabalarını koordine etmeye yardımcı olabilecek bir değerlendirme almasına yardımcı olabileceğini söylüyor. Son beş yılda xView2, Kaliforniya Ulusal Muhafızları ve Avustralya Jeo-uzamsal İstihbarat Teşkilatı tarafından orman yangınlarına müdahalede ve son olarak da Nepal’deki sel kurtarma çabalarında kullanıldı.
Yapay zeka sayesinde daha hızlı afet yardımı
Gupta’ya göre xView2, Adıyaman, Türkiye’de en az iki farklı BM arama ve kurtarma ekibi tarafından da kullanıldı. Aynı adı taşıyan vilayet depremden ciddi şekilde zarar gördü ve bölge sakinleri, arama kurtarma ekiplerinin geç gelmesi nedeniyle hüsrana uğradı. Gupta, xView2’nin tesis çalışanlarının “farkında olmadıkları hasarlı alanları bulmalarına” yardımcı olma konusunda başarılı olduğunu söylüyor. “Bir hayat kurtarabilirsek, bu teknolojinin iyi bir kullanımıdır.” Algoritmalar, sonuç çıkarmak için bir görüntünün her bir pikselini ve komşu piksellerle ilişkisini değerlendiren, “anlamsal bölümleme” adı verilen nesne algılamaya benzer bir teknik kullanır.
Ekran görüntüsü, solda hasarın uydu görüntüleri ve sağda model değerlendirmesi ile platformda nasıl göründüğünü gösteriyor: kırmızı ne kadar koyuysa, enkaz o kadar kötü. Dünya Bankası’nda bir afet risk yönetimi uzmanı olan Atishay Abbhi, böyle bir değerlendirmenin normalde haftalar alacağını ve şimdi sadece saatler veya dakikalar sürdüğünü söylüyor.
(Resim: Maxar Technologies (solda); UC Berkeley/Defense Innovation Unit/Microsoft (sağda))
Bu, kurtarıcıların ve müdahale ekiplerinin nerede yardıma ihtiyaç duyulduğunu hızlı bir şekilde belirlemek için görgü tanıklarının ifadelerine ve telefon görüşmelerine güvendiği geleneksel afet derecelendirme sistemlerine göre bir gelişmedir. Modern bir alternatif, daha sonra insanlar tarafından değerlendirilecek verileri iletmek için kameralar ve sensörlerle afet bölgelerinin üzerinden uçan dronlardır. Ancak bu süreç bile günler hatta daha uzun sürebilir.
Daha da kötüsü, çeşitli acil durum kuruluşlarının genellikle kendi izole edilmiş veri katalogları vardır. Bu nedenle, hangi alanların yardıma ihtiyacı olduğuna dair standart ve ortak bir resim oluşturmak zordur. xView2, etkilenen bölgenin bir haritasını dakikalar içinde oluşturarak, kuruluşların müdahalelerini koordine etmelerine ve önceliklendirmelerine yardımcı olabilir.
Herkes AI’ya güvenmiyor
Tabii ki, bu teknoloji afet yardımı için her derde deva olmaktan uzak. Şu anda Gupta’nın araştırma çalışmalarının çoğunu işgal eden xView2 için birkaç önemli zorluk var.
İlk ve en önemli zorluk, modelin yalnızca gün boyunca ve bulut örtüsü olmadığında net görüntüler sağlayan uydu görüntülerine güvenmesidir. Türkiye’den ilk kullanılabilir görüntüler, ilk depremden üç gün sonra, 9 Şubat’a kadar çekilmemişti. Ayrıca uzak ve ekonomik olarak daha az gelişmiş bölgelerden, örneğin komşu Suriye’den çok daha az uydu görüntüsü var. Bunu değiştirmek için Gupta, görüntü oluşturmak için ışık dalgaları yerine mikrodalga darbeleri kullanan sentetik açıklık radarı gibi yeni görüntüleme teknikleri araştırıyor.
İkinci olarak, xView2 modeli hasar ve ciddiyeti doğru bir şekilde değerlendirmede yüzde 85 veya 90’a varan oranda isabetli olsa da, uydu görüntüleri havadan bir perspektife sahip olduğu için binaların kenarlarındaki hasarı bile göremez.
Üçüncüsü, diyor Ritwik Gupta, yerel kuruluşların bir yapay zeka çözümünü kullanmasını ve ona güvenmesini sağlamak zor. “İlk müdahale ekiplerinin çoğu çok geleneksel” diyor. “Onlara, uzayda yaklaşık 120 mil öteden piksellere bakarak henüz Dünya’da bile olmayan gelişmiş bir yapay zekadan bahsettiğinizde, teknolojiye güvenmeleri zor oluyor. xView2 gibi araçlar standart hale gelene kadar öyle olmak zorunda. hala yapılması gereken çok ikna edici şey var.
Ücretsiz kalmak için afet yardım aracı
xView2, hasarlı alanların anında haritalanmasından güvenli bölge konumlarının değerlendirilmesine ve uzun vadeli kurtarma planlamasına kadar, afet yardımının çeşitli aşamalarını destekler. Abbhi, xView2’nin gelecekte Dünya Bankası’ndaki “hasar değerlendirme araçları cephaneliğimizin önemli bir parçası haline geleceğini” umuyor.
Kod açık kaynak ve program ücretsiz olduğu için herkes kullanabilir. Gupta’ya göre bu böyle kalmalı. “Şirketlerin gelip ‘Bunu ticarileştirebiliriz’ demesinden nefret ediyorum” diyor. “Bu, herkesin iyiliği için yürütülen bir kamu hizmeti olmalı.” Gupta, herhangi bir kullanıcının inceleme yapmasına izin verecek bir web uygulaması üzerinde çalışıyor. Şu anda, kuruluşlar analiz için xView2 araştırmacılarına yöneliyor.
Gupta, gelişmekte olan teknolojilerin büyük sorunlarda oynayabileceği rolü göz ardı etmek veya abartmak yerine, araştırmacıların en büyük insani etkiye sahip olabilecek yapay zeka türlerine odaklanması gerektiğini söylüyor. “Yapay zekanın odağını bu son derece zor sorunlara nasıl kaydırabiliriz?” diye soruyor. “Bence bunlar, örneğin yeni metinler veya resimler oluşturmaktan çok daha zor.”
(jle)
Haberin Sonu