تکنولوژی

تحلیل سیل به کمک هوش مصنوعی

کمک شبکه های اجتماعی برای مقابله با بلایای طبیعی

ا افزایش نفوذ و تاثیرگذاری شبکه‌های اجتماعی در سال‌های اخیر، فشارهای سیاسی و اجتماعی زیادی روی شیوه فعالیت آنها ایجاد شده است. در این مورد اما توییتر فشارهای بیشتری را نسبت به رقیب بزرگش یعنی فیس بوک تحمل کرده است. با این همه اما میزان محبوبیت این شبکه‌های اجتماعی و کارکرد آنها آنقدر زیاد است که هیچ کدام از این فشارها باعث نشده است تا تعداد کاربران‌شان ریزش پیدا کرده یا مقبولیت آنها کمتر شود.

شبکه‌های اجتماعی حتی در سال‌های اخیر به روشی جذاب و همه گیر برای رویارویی با وقایع، اتفاقات سیاسی، اجتماعی و حتی بلایای طبیعی تبدیل شده‌اند. با این اوصاف است که حالا دانشمندان مرکز تحقیقات مشترک که بازوی خدمات علوم و دانش کمیسیون اروپا است، یک طرح اولیه امکان سنجی شبکه‌های اجتماعی را برای خطر سیل ارائه داده است که اطلاعات لازم را در اختیار سیستم اطلاع‌رسانی سیل در اروپا می‌گذارد. نکته جالب اما این است که این اطلاعات از طریق گزارش‌های لحظه به لحظه کاربران توییتر به‌دست می‌آید.
این سیستم بر پایه تحقیقات منتشر شده از سوی دانشگاه هاروارد و شرکت گوگل در ماه آگوست ۲۰۱۸، ساخته می‌شود. تحقیقات هاروارد و گوگل در واقع یک مدل هوش مصنوعی را توصیف می‌کند که قابلیت پیش‌بینی مکان پس لرزه‌های یک زلزله بزرگ را تا یک سال بعد از آن دارد.

مرتبط: مانور هوش مصنوعی در زندگی انسان

این در حالی است که کارشناسان و محققان بخش هوش مصنوعی فیس بوک هم در ماه دسامبر گذشته روشی را برای تحلیل تصاویر ماهواره‌ای و سنجش میزان خسارت ناشی از آتش سوزی و دیگر بلایای طبیعی، توسعه داده‌اند.

دانشمندان بخش تحقیقات گوگل هم به تازگی اطلاعات و گزارش‌های مربوط به بررسی یک سیستم یادگیری ماشینی را منتشر کرده‌اند که به دقت مسیر حرکت سیل را پیش‌بینی کرده و مشخص می‌کند که سیل از طغیان کدام رودخانه و دقیقا از کدام بخش آن رودخانه به راه می‌افتد. دقت پیش‌بینی این سیستم به ۷۵ درصد می‌رسد.

این تحقیقات حالا حتی به موارد دیگری مانند خشونت‌ها و درگیری‌های شهری هم رسیده است. در همین راستا گروهی از محققان مستقل انگلیسی هم از الگوریتم‌های یادگیری ماشینی تحلیل توییت‌ها استفاده می‌کنند تا مشخص کنند که در شرایط اغتشاش و ناآرامی، چه جاهایی مستعد بروز خشونت هستند تا به این ترتیب تخمین احتمال حادثه و حتی شناسایی عوامل خشونت هم راحت تر شود.

هوش مصنوعی بازی تاج و تخت را پیش‌بینی می‌کند

یکی از این محققان می‌گوید: «شبکه‌های اجتماعی در یک دهه گذشته در زمان وقوع بلایای طبیعی، به‌عنوان منبع مهمی برای جمع آوری اطلاعات ظاهر شده‌اند و توانسته‌اند به محققان برای شناسایی مناطق مختلف در معرض خطر کمک زیادی بکنند. تحلیل اطلاعات بدست آمده از شبکه‌های اجتماعی می‌تواند چشم انداز دقیقی از روند پیشروی سیل، احتمال وقوع بلایای طبیعی دیگر و تصویر درستی از شرایط بحرانی ایجاد کند».

نگاه اجمالی به سیستم اطلاع رسانی سیل در اروپا نشان می‌دهد که این سیستم زیرمجموعه‌ای از خدمات مدیریت بحران اروپا بوده و مرکز همکاری‌های اضطراری کمیسیون اروپا آن را مدیریت می‌کند.

این مرکز خطرات و بلایا را تحت نظر داشته، اطلاعات مربوط به بلایای طبیعی را جمع آوری و تحلیل می‌کند و در نهایت برنامه‌هایی را برای تیم‌های امدادی و روند تجهیز آنها ارائه می‌دهد. این اطلاعات در نهایت به پیش‌بینی سیل‌های نه چندان شدید و فصلی و میزان خسارت احتمالی آنها هم کمک می‌کند تا به این ترتیب بتوان اطلاعات و هشدارهای لازم را در زمان مورد نظر به مردم داد.

این سیستم جامع به شناسایی خطر و احتمال سیل در مناطق جغرافیایی مشخص و حتی پیش‌بینی زمان آن هم کمک می‌کند. این مجموعه اطلاعات مفید از شبکه‌های اجتماعی و به خصوص توییتر جمع‌آوری شده و بیش از ۴۰۰ کلیدواژه را به‌صورت همزمان می‌تواند تحت پوشش قرار بدهد. ارسال پیام‌هایی با کلیدواژه‌های مرتبط با سیل آن هم در مناطقی که مردم آن به زبان‌های مختلفی صحبت می‌کنند، کار چندان آسانی نیست.

به همین دلیل تیم محققان این پروژه راهکاری را پیدا کرده و سیستم دسته بندی چندزبانه‌ای را تعریف کردند تا با الگوهای ریاضی و سیستم موبایل‌های هوشمند، به‌صورت خودکار معادل یابی کرده و پیام‌ها را به چهار زبان آلمانی، انگلیسی، اسپانیولی و فرانسوی ارسال کند.

به این ترتیب سیستم اطلاع‌رسانی سیل در اروپا امکان ارسال بیش از ۷ هزار پیام – بین هزار و ۲۰۰ تا دو هزار و ۳۰۰ پیام برای هر زبان- را دارد. این سیستم بر اساس کلیدواژه‌های تعریف شده و پیش‌فرض می‌تواند توییت‌های منتشر شده از مناطق سیل‌زده یا در معرض خطر را شناسایی کرده و دنبال کند تا به این ترتیب امکان امدادرسانی به افراد در این مناطق بیشتر و بهتر شود. این سیستم برای اولین بار در زمان سیل منطقه کالابریا در ایتالیا در اوایل ماه اکتبر سال ۲۰۱۸، آزمایش شد و توانست از حدود ۱۴ هزار و ۳۴۷ توییتی که افراد در این مناطق منتشر کردند، اطلاعات زیاد و مفیدی به‌دست بیاورد.

منبع
دنیای اقتصاد

نوشته های مشابه

‫2 دیدگاه ها

دیدگاهتان را بنویسید

دکمه بازگشت به بالا