Ֆլորիդայում ԱԲ-ն արագ պարզել է, թե որ շրջաններն են ամենաշատը տուժել փոթորկից, և օգնությունն առաջինը նրանց է հատկացվել

Ֆլորիդայում սեպտեմբերին «Յան» փոթորիկի հասցրած ավերածություններից մեկ շաբաթ անց արհեստական բանականության միջոցով արագ պարզել են, թե որ շրջաններն են ամենաշատը տուժել և օգնությունն առաջինը հենց նրանց է հատկացվել։ 

Կոլիեր, Շառլոտ և Լի շրջանների գրեթե 3500 բնակիչներ իրենց սմարթֆոններին ծանուցում են ստանում, որով 700 դոլար կանխիկ օգնություն էր առաջարկվում նրանց, ընդորում՝ առանց ավելորդ հարցերի:

Google-ի ալգորիթմը, որը գործարկվել է GiveDirectly-ի ոչ առևտրային կազմակերպության հետ համագործակցությամբ, արբանյակային պատկերներն ուսումնասիրել ու գնահատել էր, որ այդ մարդիկ ապրում են փոթորկից ամենաշատը տուժած թաղամասերում և օգնության կարիք ունեն:

GiveDirectly-ն փորձարկում է շտապ օգնության թիրախավորման այս նոր եղանակը Google.org-ի հետ համատեղ, որն զբաղվում է բարեգործական նախաձեռնություններով։ Բարեգործության համար գումարը հավաքվել էր պարենային ապրանքների վճարումներ իրականացնող Providers հավելվածի օգտատերերի արած հանգանակություններից։ Google-ի՝ արհեստական բանականությամբ աշխատող ծրագրի օգնությամբ GiveDirectly-ին կարողացել է ավելի արագ կողմնորոշվել, թե ովքեր են ամենաշատը տուժել «Յան» փոթորկից և ավելի արագ է կարողացել օգնություն առաջարկել հենց նրանց, քան եթե դա արվեր ձեռքով։

Ինչպես է ԱԲ-ն հավաքում ու վերլուծում տվյալները

Սա առաջին անգամն է, որ GiveDirectly-ն օգտագործում է այս տեխնոլոգիան ԱՄՆ-ում, բայց նախկինում այս գաղափարը փորձարկվել է Տոգոյում՝ համաշխարհային տնտեսությունը խաթարած համաճարակից ամիսներ անց: Այնտեղ տնային տնտեսություններին օգնություն է առաջարկվել՝ հիմնված աղքատության նշանների վրա, որոնք հայտնաբերվել են Բերքլիի համալսարանի հետազոտողների պատկերային ալգորիթմների և բջջային հեռախոսների  ամսական վճարների հիման վրա։

Ֆլորիդայի նախագիծը ստեղծվել է Delphi կոչվող քարտեզագրման գործիքով, որը մշակվել է Google-ի մեքենայական ուսուցման չորս փորձագետների կողմից։ Նրանք ավելի քան վեց ամիս աշխատել են GiveDirectly-ում: Ռեալ ժամանակով ուսումնասիրելով աղետի ենթարկված տարածքների քարտեզները՝ ծրագիրն ընդգծում է, թե աղետից հետո որոնք են այն համայնքները, որոնք օգնության ամենաշատ կարիքն ունեն։ Ծրագիրն օգտագործում է նաև աղքատության վերաբերյալ տվյալներ, որոնք ստանալու համար օգտվում է ԱՄՆ Հիվանդությունների վերահսկման և կանխարգելման կենտրոնների և այլ աղբյուրների տվյալներից։  

Փոթորկի հասցրած վնասների տվյալները տրամադրում է Google-ի մեկ այլ գործիք, որը կոչվում է Skai, որն աղետից առաջ և հետո արված արբանյակային պատկերները վերլուծելու և շենքերին հասցված վնասի լրջությունը գնահատելու համար օգտագործում է մեքենայական ուսուցումը:

«Այժմ ունենք քարտեզ, որն ասում է, թե որ հատվածներն են սոցիալ-տնտեսական առումով խոցելի, և որոնք են վնասվել,- ասում է Ալեքս Դիասը, որը ղեկավարում է Google.org-ի «Արհեստական բանականությունը հանուն սոցիալական բարօրության» նախագիծը,- Դա կարող է օգտակար լինել տեղում աջակցություն տրամադրելու հարցում և արագացնել մարդասիրական օգնության տրամադրումը»։