Διαδικτυακή βοήθεια στο Νεπάλ

Σύμφωνα με την τελευταία καταμέτρηση, ο σεισμός που έπληξε το Νεπάλ στις 25 Απριλίου και ο μεγάλος μετασεισμός που ακολούθησε τρεις εβδομάδες αργότερα στοίχισαν πάνω από 8.500 ζωές, καθιστώντας τους την μεγαλύτερη καταστροφή στην ιστορία της χώρας. Αποτελούν επίσης σημείο καμπής και με έναν διαφορετικό τρόπο. Ήταν η πρώτη φορά κατά την οποία χρησιμοποιήθηκε τεχνητή νοημοσύνη τόσο διεξοδικά στην υλοποίηση προσπαθειών βοήθειας για να αντιμετωπιστεί το τεράστιο ποσό πληροφοριών που προέρχονται, για παράδειγμα, από τα κινητά τηλέφωνα, τους δορυφόρους και τα μέσα κοινωνικής δικτύωσης με σκοπό να βοηθηθούν οι εθελοντές στον εντοπισμό θυμάτων, στον προσδιορισμό των αναγκών βοήθειας και στην περιήγησή τους σε επικίνδυνο έδαφος.

Ένα από τα πιο κρίσιμα πρώτα βήματα για την αντιμετώπιση καταστροφών είναι η απόκτηση μιας εικόνα της μορφής του νέου τοπίου –ποιοι δρόμοι έχουν αποκλειστεί και ποια κτίρια έχουν καταρρεύσει- και του γρηγορότερου και ασφαλέστερου τρόπου με τον οποίο ένας εθελοντής μπορεί να μεταβεί από το σημείο Α στο σημείο Β. Οι ψηφιακοί χάρτες που παρέχουν πληροφορίες σε πραγματικό χρόνο καταχωρούν αλλαγές στις πληροφορίες την ώρα που εκτυλίσσεται η καταστροφή, επιτρέποντας στους εργαζομένους των ανθρωπιστικών οργανώσεων να ενεργούν με ασφάλεια και ακρίβεια.

Ο Χάρτης Κρίσης επιτρέπει στο OCHA του ΟΗΕ να εξετάζει τα διαφορετικά επίπεδα ζημιών -από τις ηπιότερες έως τις πιο σοβαρές- στο Νεπάλ. PATRICK MEIER
--------------

Στο Νεπάλ, το OCHA (Office for the Coordination of Humanitarian Affairs, Γραφείο Συντονισμού των Ανθρωπιστικών υποθέσεων) ζήτησε από το διαδίκτυο να εντοπίσει και να χαρτογραφήσει όλα τα tweets που σχετίζονταν με επείγουσες ανάγκες, ζημίες στις υποδομές και προσπάθειες βοήθειας. Ήθελαν επίσης το διαδίκτυο να εντοπίσει και να χαρτογραφήσει όλες τις φωτογραφίες των ζημιών της καταστροφής που δημοσιεύτηκαν στο Twitter, καθώς και τα επικρατέστερα άρθρα των μέσων ενημέρωσης. Τέλος, ζήτησαν ενημερωμένους οδικούς χάρτες που δημιουργήθηκαν με βάση τις τελευταίες διαθέσιμες δορυφορικές εικόνες.

Αλλά το να καταφέρει κανείς να βρει σχετικά, χρήσιμα και αξιόπιστα αποσπάσματα από κείμενα, εικόνες και βίντεο κατά την διάρκεια μεγάλων καταστροφών είναι σαν να ψάχνει για βελόνα στα άχυρα. (Στον συγκεκριμένο παραλληλισμό τα άχυρα αποτελούν γελοιωδώς μικρά σύνολα δεδομένων.) Αρχικά, υπάρχουν όχι μόνο περισσότερα στοιχεία, αλλά και μια ποικιλία τύπων δεδομένων: Κείμενα, εικόνες και βίντεο. Τα δεδομένα που βασίζονται σε κείμενα περιλαμβάνουν κύρια άρθρα ειδήσεων, tweets, μηνύματα κειμένου και μηνύματα WhatsApp. Οι εικόνες μπορεί να περιλαμβάνουν Instagram, επαγγελματικές φωτογραφίες που συνοδεύουν τα ειδησεογραφικά άρθρα, δορυφορικές εικόνες και, όλο και περισσότερο, αεροφωτογραφίες, τραβηγμένες από μη επανδρωμένα εναέρια οχήματα ή αλλιώς drones. Υπάρχουν επίσης τα τηλεοπτικά κανάλια, το Periscope και τα βίντεο που μεταδίδονται από το YouTube.

Αυτός είναι ο λόγος για τον οποίο η τεχνητή νοημοσύνη, αν χρησιμοποιηθεί παράλληλα με τον πληθοπορισμό (crowdsourcing), είναι απαραίτητη για την παροχή μιας σχεδόν άμεσης και πλήρους εικόνας της καταστροφής. Μόλις 72 ώρες μετά τον πρώτο σεισμό, σχεδόν 3.000 εθελοντές από 90 περίπου χώρες κινητοποιήθηκαν μέσω της Standby Task Force, μιας οργάνωσης-μέλους του Ανθρωπιστικού Ψηφιακού Δικτύου (Digital Humanitarian Network). Αυτοί οι εθελοντές -προτιμούμε να τους αποκαλούμε «ψηφιακούς Τζεντάι»- σημείωσαν tweets που σχετίζονταν με την κρίση τα οποία προωθήθηκαν αυτόματα μέσω λέξεων-κλειδιών και hashtags στο MicroMappers, ένα πειραματικό, δωρεάν και ανοικτό κώδικα λογισμικού που ανέπτυξα με την ομάδα μου στο Ίδρυμα Ερευνών Πληροφορικής του Κατάρ, σε συνεργασία με το OCHA. Ενώ αυτοί οι ψηφιακοί Τζεντάι σηματοδοτούσαν τα tweets, η παράλληλη πλατφόρμα τεχνητής νοημοσύνης βρήκε τα μοτίβα των ανθρώπινων επισημάνσεων (tags) και έμαθε να τα εφαρμόζει αυτόματα. Αυτό οφείλεται στο γεγονός ότι το AIDR ((Artificial Intelligence for Disaster Response, Τεχνητή Νοημοσύνη για την Αντιμετώπισης Καταστροφών), ένα ακόμα πειραματικό, δωρεάν και ανοικτής πηγής πρότυπο, αποτελεί μια μηχανή τεχνητής νοημοσύνης (AI, Artificial Intelligence) η οποία ενημερώνεται σε πραγματικό χρόνο˙ χρησιμοποιεί τα tweets που αναρτώνται από τους ψηφιακούς εθελοντές του MicroMappers για να αναγνωρίσει τις κατηγορίες στις οποίες ανήκει το καθένα: Επείγουσες ανάγκες, ζημιές στις υποδομές ή προσπάθειες παροχής βοήθειας. Η ακρίβειά του αυξάνεται όσο οι ψηφιακοί ανθρωπιστές αλληλεπιδρούν με αυτό, ενώ σε σύγκριση με τους ανθρώπινους taggers, το AIDR είναι πιο αποτελεσματικό, καθώς μπορεί να εκτελέσει το ίδιο εργασιακό βάρος σε πολύ λιγότερο χρόνο. Ως αποτέλεσμα, η πλατφόρμα ήταν σε θέση να φιλτράρει αυτόματα μισό εκατομμύριο tweets που σχετίζονταν με τον σεισμό για να εντοπίσει εκείνα που παρουσίαζαν ενδιαφέρον για τον ΟΗΕ. Αυτά στην συνέχεια προστίθεντο στον ζωντανό Χάρτη Κρίσης που φιλοξενείτο στο MicroMappers.org, επιτρέποντας στο OCHA να αξιολογήσει γρήγορα την ζημιά στο Νεπάλ.

Χάρτης που εμφανίζει τις θέσεις στις οποίες βρίσκονται πάνω από 3.000 εθελοντές από όλο τον κόσμο που βοήθησαν στην δημιουργία του Χάρτη Κρίσης για το OCHA του ΟΗΕ. PATRICK MEIER
--------------

Οι ψηφιακοί Τζεντάι χρησιμοποίησαν επίσης το MicroMappers για να επισημάνουν και να χαρτογραφήσουν γρήγορα εκατοντάδες φωτογραφίες ζημιών από φυσικές καταστροφές. Προσπαθούμε να βρούμε μια λύση τεχνητής νοημοσύνης και για αυτήν την πρόκληση. Χάρη στις πρόσφατες ανακαλύψεις στην τεχνητή όραση από το Πανεπιστήμιο του Στάνφορντ, μπορούμε να αρχίσουμε να διδάσκουμε αλγόριθμους για την αναγνώριση ορισμένων χαρακτηριστικών σε φωτογραφίες -όπως ζημιές από φυσικές καταστροφές και εκτοπισμένους πληθυσμούς. Μια καινούρια ομάδα που ονομάζεται MetaMind, επίσης στο Πανεπιστήμιο του Στάνφορντ, εργάζεται στον τομέα της αυτοματοποιημένης ανίχνευσης χαρακτηριστικών σε εικόνες. Το ίδιο ισχύει και για τα βίντεο. Η WireWax, μια νεοσύστατη εταιρεία που εδρεύει στο Ηνωμένο Βασίλειο, χρησιμοποιεί τεχνητή νοημοσύνη για να ανιχνεύσει αυτόματα αμέτρητες δυνατότητες σε βίντεο -αυτόματη εύρεση για τα πάντα, από όπλα μέχρι τον Justin Bieber μέσα από εκατομμύρια βίντεο.

Η ομάδα μου και εγώ εφαρμόσαμε επίσης τεχνητή νοημοσύνη για να αναγνωρίσουμε τα χαρακτηριστικά που μας ενδιέφεραν στις αεροφωτογραφίες που απαθανατίστηκαν από τα μη επανδρωμένα αεροσκάφη. Έχουμε ήδη επεκτείνει την πλατφόρμα του MicroMappers ώστε να εφαρμόζει τον πληθοπορισμό (crowdsourcing) στην ανάλυση των αεροφωτογραφιών. Στο Νεπάλ, το MicroMappers θα μπορούσε να χρησιμοποιηθεί για την αυτόματη αναζήτηση επιζώντων μέσα στα χαλάσματα. Γι’ αυτό πειραματιζόμαστε με τρισδιάστατα μοντέλα των πληγεισών από καταστροφές περιοχών που προέρχονται από αεροφωτογραφίες υψηλής ανάλυσης, όπως εκείνη που απεικονίζεται παραπάνω. Η ύπαρξη μιας πολυδιάστατης άποψης είναι ζωτικής σημασίας για την κατανόηση των ζημιών από φυσικές καταστροφές. Επιπλέον, μια εικόνα, όπως είναι αυτονόητο, περιορίζει την οπτική μας στα δύο τρίτα. Η πρόκληση τώρα αφορά την επέκταση του MicroMappers ώστε να εφαρμόζει τον πληθοπορισμό στην ανάλυση των τρισδιάστατων μοντέλων και έπειτα την διερεύνηση του τρόπου με τον οποίο η τεχνητή νοημοσύνη θα μπορούσε να χρησιμοποιήσει αυτή την αρχική εργασία ώστε να ανιχνεύει αυτόματα τα σημεία ενδιαφέροντος σε αυτά τα τρισδιάστατα μοντέλα.

Πρέπει να επεκτείνουμε γρήγορα αυτήν την τεχνική πληθοπορισμού (crowdsourcing) και τεχνητής νοημοσύνης και στις δορυφορικές εικόνες. Για το Νεπάλ, το Humanitarian OpenStreetMap, ένα άλλο μέλος του ανθρωπιστικού ψηφιακού δικτύου, έκανε μια τιτάνια προσπάθεια στον απόηχο των σεισμών στο Νεπάλ για να εφαρμόσει τον πληθοπορισμό στον χειροκίνητο εντοπισμό των δορυφορικών εικόνων. Η διαδικασία αυτή είναι κουραστική. Περιλαμβάνει την χρήση του λογισμικού του OpenStreetMap για την ψηφιακή σκιαγράφηση των σχημάτων των κτιρίων και των δρόμων (και μετά την ανάλογη σήμανσή τους), η οποία παράγει τους πιο ενημερωμένους χάρτες για την ανθρωπιστική κοινότητα. Αλλά η οργάνωση αντιμετωπίζει μια τεράστια εκκρεμότητα σε ό, τι αφορά την πραγματοποίηση των εργασιών, επειδή τα ανθρώπινα χέρια δεν επαρκούν. Αυτό δεν αποτελεί κριτική για την οργάνωση. Απλά χρειάζονται και αξίζουν την πρόσθετη βοήθεια που μπορεί να τους προσφέρει η τεχνητή νοημοσύνη.

Σήμερα, ο μισός πληθυσμός του κόσμου έχει ένα smartphone. Μέχρι το 2020, σύμφωνα με το Economist [1], το ίδιο θα ισχύει και για το εκπληκτικό ποσοστό του 80% των ενηλίκων σε όλο τον κόσμο. Κάτι τέτοιο θα συνεπάγεται την ύπαρξη ενός μεγάλου όγκου δεδομένων. Και ξέρουμε πολύ καλά ότι η ποσότητα, η ταχύτητα και η ποικιλία των ψηφιακών δεδομένων που παράγονται σε παγκόσμιο επίπεδο, θα συνεχίσει να ανεβαίνει στα ύψη –επ’ αόριστον. Αυτό σημαίνει ότι οι μελλοντικές ανθρωπιστικές κρίσεις θα δημιουργήσουν σύντομα περισσότερα δεδομένα από ότι όλες οι προηγούμενες καταστροφές στην ανθρώπινη ιστορία συνολικά. Και σε αυτό το νέο ψηφιακό τοπίο, ο πληθοπορισμός (crowdsourcing) και η τεχνητή νοημοσύνη πρέπει να γίνουν το νέο σπουδαιότερο στοιχείο απέναντι στα μαζικά δεδομένα (big data).

Copyright © 2015 by the Council on Foreign Relations, Inc.
All rights reserved.

Στα αγγλικά: https://www.foreignaffairs.com/articles/nepal/2015-06-01/virtual-aid-nepal

Σύδεσμοι
[1] http://www.economist.com/news/leaders/21645180-smartphone-ubiquitous-add...

Μπορείτε να ακολουθείτε το «Foreign Affairs, The Hellenic Edition» στο TWITTER στην διεύθυνσηwww.twitter.com/foreigngr αλλά και στο FACEBOOK, στην διεύθυνση www.facebook.com/ForeignAffairs.grκαι στο linkedin στην διεύθυνση https://www.linkedin.com/company/foreign-affairs-the-hellenic-edition