به گزارش گروه علم و فناوری باشگاه خبرنگاران دانشجویی(ایسکانیوز)؛ وزارت دفاع آمریکا در تلاش اخیر خود از یک سیستم هوش مصنوعی محاسباتی بصری برای کمک به زلزله‌زدگان ترکیه و سوریه استفاده می‌کند. زلزله ترکیه و سوریه که دو هفته پیش رخ داد، تاکنون ده‌ها هزار کشته بر جا گذاشته است و متخصصان ادعا می‌کنند هوش مصنوعی xView2 می‌تواند به نجات جان انسان‌های بیشتری کمک کند.

البته این هوش مصنوعی در مراحل اولیه استقرار است، ولی قبلا به لجستیک بلایای طبیعی و ماموریت‌های نجات زمینی در ترکیه کمک کرده است. این هوش مصنوعی یک پروژه منبع‌باز است که توسط واحد نوآوری دفاعی پنتاگون و موسسه مهندسی نرم‌افزار دانشگاه کارنگی ملون در سال ۲۰۱۹ حمایت و توسعه داده شده است. گفتنی است که متخصصان این پروژه با بسیاری از شرکای تحقیقاتی از جمله مایکروسافت و دانشگاه کالیفرنیا در برکلی همکاری کرده‌اند. این سیستم از الگوریتم‌های یادگیری ماشینی در ارتباط با تصاویر ماهواره‌ای بسیار سریع‌تر از روش‌های فعلی در شناسایی آسیب‌های ساختمانی و زیرساختی در منطقه فاجعه و طبقه‌بندی شدت آن استفاده می‌کند.

زلزله مرگبار ترکیه چشم انداز انتخابات آتی این کشور را مبهم کرده است / منتفی شدن ماجراجویی‌های اردوغان در حوزه سیاست خارجی

ریتویک گوپتا، دانشمند اصلی هوش مصنوعی در واحد نوآوری دفاعی و محققی در برکلی، می‌گوید: این برنامه می‌تواند مستقیماً به اولین پاسخ‌دهندگان و کارشناسان بازیابی در زمین کمک کند تا خیلی سریع برای کمک به بازماندگان وارد عمل شوند و هماهنگی‌های لازم را انجام دهند.

xView2 در طول پنج سال گذشته، توسط گارد ملی کالیفرنیا و سازمان اطلاعات مکانی استرالیا در پاسخ به آتش‌سوزی‌های جنگلی و اخیراً در طی تلاش‌های بازیابی پس از سیل در نپال، که در آن به شناسایی آسیب‌های ناشی از رانش زمین کمک کرد، مستقر شده است.

به گفته گوپتا، حداقل دو تیم مختلف از اعضای جستجو و نجات سازمان ملل در آدیامان -که در اثر زلزله ویران شده و ساکنان آن از نجات افراد ناامید شده‌اند- از این نرم‌افزار استفاده کرده‌اند. این نرم‌افزار باعث شد که بتوانند به طور موفقیت‌آمیزی مناطق آسیب‌دیده‌ای را پیدا کنند که از آن بی‌خبر بودند.

گوپتا معتقد است که اگر با کمک این نرم‌افزار بتوانیم حتی جان یک نفر را نجات دهیم، یعنی از فناوری بهره برده‌ایم.

xView2 چطور کار می‌کند؟

این الگوریتم‌ از تکنیکی شبیه به تشخیص شی به نام «بخش‌بندی معنایی» استفاده می‌کند که تک تک پیکسل‌های یک تصویر و ارتباط آن با پیکسل‌های مجاور را برای نتیجه‌گیری ارزیابی می‌کند. در این روش تک‌تک پیکسل‌های یک تصویر ماهواره‌ای و ارتباط آن با پیکسل‌های اطراف بررسی می‌شود تا وضعیت آن مشخص شود. سپس هوش مصنوعی در عرض چند ساعت، مناطق آسیب‌دیده را با رنگ قرمز مشخص می‌کند. هر چه قرمز تیره‌تر باشد، خرابی بیشتر است. این در حالی است که همین میزان ارزیابی توسط روش‌های سنتی هفته‌ها طول می‌کشد، ولی با این روش چندین ساعت یا حتی چند دقیقه طول می‌کشد.

این یک پیشرفت نسبت به سیستم‌های سنتی ارزیابی فجایع انسانی است که در آن امداد و نجات و پاسخ‌دهندگان اضطراری به گزارش‌های شاهدان عینی و تماس‌ها برای شناسایی سریع مکان‌هایی که به کمک نیاز است تکیه می‌کنند. در برخی موارد جدیدتر، هواپیماهای بال ثابت مانند پهپادها بر فراز مناطق فاجعه‌بار با دوربین‌ها و حسگرها به پرواز درآمده‌اند تا داده‌های بازبینی شده توسط انسان‌ها را ارائه دهند، اما این روش هم ممکن است چند روز طول بکشد.

xView2 می‌تواند در عرض چند دقیقه یک نقشه مشترک از منطقه آسیب‌دیده ایجاد کند که به سازمان‌ها کمک می‌کند تا پاسخ‌ها را هماهنگ و اولویت‌بندی کنند و در زمان و زندگی انسان‌ها صرفه‌جویی کنند.