Desde los huracanes hasta los incendios forestales , 2017 trajo al mundo una serie de desastres naturales, así como también Tecnología para lidiar con ellos . Tenemos más información que nunca después de un desastre gracias a los vehículos aéreos no tripulados (Drones) y sofisticados satélites que pueden capturar imágenes de desastres desde el aire, pero aún estamos trabajando en formas de procesar los datos, por lo que es valioso para los esfuerzos de ayuda. Ahí es donde entra en juego el aprendizaje profundo, dice el Banco Mundial en colaboración con WeRobotics y OpenAerialMap .

El 10 de enero de 2018, el Banco Mundial emitió un desafío de inteligencia artificial [VIDEO] (IA) para explorar cómo se podría utilizar el aprendizaje profundo(Deep Learning) a raíz de los desastres naturales .

El aprendizaje profundo es lo que permite a AI reconocer patrones en imágenes, sonidos y otros datos usando una red neuronal que refleja nuestra propia materia gris.

La Inteligencia Artificial [VIDEO] podría usarse para catalogar imágenes aéreas en los períodos críticos posteriores a desastres y ayudar a los primeros en responder y a las agencias de ayuda humanitaria a agregar información. Clasificar imágenes rápidamente en masa haría más fácil evaluar qué áreas necesitan asistencia inmediata, cuáles son los caminos más claros dentro y fuera del sitio de un desastre, y dónde está el mayor daño a la infraestructura.

El anuncio del desafío de IA del fundador de WeRobotics, Patrick Meier, se centra en los países de las islas del Pacífico, que son vulnerables a terremotos, tsunamis, mareas de tempestad, erupciones volcánicas, deslizamientos de tierra y sequías. Solo en la última década, los ciclones más importantes han causado millones de dólares en daños en cientos de islas, incluidas Fiji y Samoa.

Identificación de árboles y caminos

El Programa de vehículos aéreos no tripulados (Drones) para desastres del Banco Mundial capturó aproximadamente 80 kilómetros cuadrados (31 millas cuadradas) de imágenes aéreas de alta resolución en la isla de Tonga. Ahora, el Banco Mundial está desafiando a los participantes a desarrollar algoritmos de aprendizaje automático que analicen estas imágenes sin asistencia humana. En el futuro, ese aprendizaje se "aplicará a nuevas imágenes para acelerar el análisis de línea de base y las evaluaciones de daños", según el anuncio .

En particular, los desarrolladores deben centrarse en los árboles y las carreteras. Los algoritmos deben identificar todos los árboles de coco, plátano, papaya y mango y sus ubicaciones con al menos 80 por ciento de precisión, ya que la pérdida de esos árboles críticos de producción de alimentos afectaría la seguridad alimentaria de los residentes de la isla y sus economías después de un desastre.

El análisis de imágenes automatizado también debe evaluar las condiciones de la carretera, como si están pavimentadas y cuántas pistas tienen.

Las evaluaciones de la carretera para el área de desastre podrían permitir que los primeros en responder planifiquen qué caminos utilizar para transportar la ayuda de manera efectiva.

En una época de mayores medios sociales, publicidad personalizada y grandes volúmenes de datos, es fácil olvidar que la inteligencia artificial puede utilizarse para algo más que la mera mejora de la tecnología doméstica y la experiencia del usuario. Este desafío del Banco Mundial y sus colaboradores es un recordatorio bienvenido de que el aprendizaje profundo también podría ser útil en los esfuerzos de ayuda humanitaria.