ШІ допомагає рятувальникам оперативно реагувати на зсуви

Дослідники Кембриджського університету використовують штучний інтелект для прискорення виявлення зсувів після сильних землетрусів та інтенсивних опадів — це дозволяє виграти дорогоцінний час для координації рятувальних операцій і зменшення гуманітарних наслідків.

Джерело: phys.org

3 квітня 2024 року найпотужніший за 25 років землетрус у Тайвані магнітудою 7,4 сколихнув східне узбережжя країни. Завдяки жорстким будівельним нормам більшість будівель витримала, але гірські та віддалені села зазнали серйозної шкоди через зсуви.

Коли катастрофа охоплює великі й важкодоступні території, рятувальники часто звертаються до супутникових знімків, аби виявити постраждалі райони та визначити пріоритети допомоги.

Але ручне картографування зсувів на супутникових зображеннях забирає багато часу, пояснює Лоренцо Нава, дослідник із департаментів наук про Землю та географії Кембриджського університету. «Після катастрофи кожна хвилина має значення», — зазначає він. За допомогою ШІ він виявив 7000 зсувів після землетрусу на Тайвані — лише за три години після отримання супутникових знімків.

З того часу Нава працює над удосконаленням свого методу штучного інтелекту разом із міжнародною командою. Вони використовують комплекс супутникових технологій, включно із супутниками, що «бачать» крізь хмари й уночі, щоб покращити здатність ШІ виявляти зсуви. Дослідження опубліковане в журналі Natural Hazards and Earth System Sciences.

Каскад небезпек

Зсуви, спричинені землетрусами чи зливами, можуть посилюватися через діяльність людини — зокрема вирубування лісів і забудову нестабільних схилів. У певних умовах вони викликають ланцюгові ефекти: грязьові потоки, паводки й інші катастрофи.

Робота Нава є частиною ширшої програми Кембриджа з вивчення того, як зсуви та інші загрози провокують каскадні «мультиризики». Група CoMHaz, очолювана професором природних загроз Максиміліаном ван Вейк де Фрісом, об'єднує супутникові дані, комп’ютерне моделювання та польові дослідження, щоб вивчати механізми виникнення зсувів і прогнозувати їх.

Команда також співпрацює з громадами, щоб підвищити обізнаність про зсуви. У Непалі Нава та ван Вейк де Фріс спільно з місцевими науковцями та консорціумом CDRIN випробували систему раннього оповіщення в місті Бутвал, що розташоване під масивним нестійким схилом.

Покращене виявлення ШІ

Нава навчає ШІ розпізнавати зсуви на двох типах супутникових зображень — оптичних (видиме зображення земної поверхні) і радарних, які можуть проникати крізь хмари та працювати вночі.

Втім, радарні зображення складно інтерпретувати, оскільки вони передають контраст поверхні у відтінках сірого, а особливості рельєфу можуть виглядати викривлено. Ці труднощі роблять радарні дані особливо придатними для ШІ, який здатен виявити приховані закономірності.

Комбінуючи «всепогодні» можливості радарів із точністю оптичних зображень, Нава сподівається створити модель ШІ, яка зможе точно виявляти зсуви навіть за несприятливих погодних умов.

Його експеримент після тайванського землетрусу дав багатообіцяючі результати — тисячі зсувів, які були б приховані під хмарами, вдалося виявити. Однак Нава визнає, що потрібно ще працювати над точністю й прозорістю моделі.

Він прагне забезпечити довіру до ШІ та зробити результати зрозумілими для тих, хто ухвалює рішення. «Часто ті, хто приймає рішення, не мають відношення до розробки алгоритмів, — каже Нава. — ШІ здається "чорною скринькою", і це викликає обережність».

Цю проблему він вирішує в межах ширшого партнерства з Європейським космічним агентством (ESA), Всесвітньою метеорологічною організацією (WMO), Фондом AI for Good Міжнародного союзу телекомунікацій і глобальною ініціативою з протидії природним катастрофам через ШІ.

Під час недавньої зустрічі робочої групи в італійському Центрі спостереження Землі ESA дослідники оголосили змагання з аналізу даних, аби залучити програмістів до вдосконалення моделі. «Ми відкриваємо проєкт для спільноти розробників», — зазначив Нава.

Окрім покращення функціоналу, мета полягає в тому, щоб додати до моделі інструменти пояснення її рішень — наприклад, візуалізації у вигляді мап, які показують імовірність наявності зсувів на зображеннях, щоб допомогти користувачам зрозуміти результати.

«У критичних ситуаціях, як-от реагування на катастрофи, довіра до результатів ШІ — ключова. Через цей виклик ми прагнемо зробити процес прийняття рішень моделі прозорим і надати тим, хто на місцях, впевненість і швидкість дій».