風暴中的 AI:利用人工智慧加快救災工作

作者 Brian Caulfield

在生命危在旦夕、時間緊迫的情況下,管控災害可能是 AI 要面臨的艱鉅挑戰。

週三,來自約翰霍普金斯大學、洛克希德·馬丁公司、美國國防部聯合人工智慧中心和 NVIDIA 的團隊介紹了他們如何將 AI 應用到實際工作中,在急需支援的地方加速救災工作。

這些團隊在 GTC DC  大會上介紹了他們的工作。這次在華盛頓舉行的 NVIDIA GPU 技術大會吸引了 3500 多名註冊與會者(其中包括政策制定者、企業領導者和研究人員等)參加,他們共同討論並了解了 AI 和資料科學領域的新成果。

他們在演講中強調了 GTC DC 作為華盛頓的 AI 盛會所發揮的積極作用。他們介紹了一系列新成果,並針對過去幾年發生的災害進行了詳細說明,以便政策制定者和現場急救人員利用 AI 的優勢。

使用衛星圖像檢測損壞情況

來自約翰霍普金斯大學應用物理實驗室和聯合 AI 中心 (JAIC) 的團隊講解了他們如何使用 GPU 驅動的深度學習演算法處理航空和衛星圖像數據,進而跟踪大型風暴造成的損壞。

演講者包括軟體工程師 Beatrice Garcia 和高級工程師 Gordon Christie ,他們都來自該大學的應用物理實驗室,同時還包括 JAIC 的計劃負責人 Dominic Garcia 上尉。

雖然他們的工作尚未在災區部署,但他們的目標是建立 AI 系統,通過利用衛星和航空圖像以及其他數據,引導現場急救人員、軍隊和政府決策者以及分析師找到急需救援的地方。

此類圖像將幫助現場急救人員一目了然地查看應在哪裡部署資源, Christie 一邊說一邊展示了一張 AI 增強型地圖,其中評估了 2011 年龍捲風對密西西比州喬普林市造成的損害。

該實驗室和 JAIC 已將深度學習演算法應用於從空中平台收集的大量強烈風暴的圖像,以加速檢測洪水和受損的基礎設施。

根據他們開發的演算法和學習的技術,聯合團隊現在正在創建可擴展環境,以便向任何分析人員提供這些功能。用戶可以存取 AI 和機器學習演算法,從而更快地對各種自然災害做出響應。

洛克希德·馬丁公司使用地震模擬進行準備

 Andrew Walsh 是洛克希德·馬丁公司的高級資深系統工程師,他說明了該公司如何建構用於訓練 AI 的開放數據集,以便更好地應對地震災害。

洛克希德·馬丁公司接下來解釋了他們與 NVIDIA 團隊的合作計劃,該計劃旨在為多平台、多感測器機器學習研究和開發建構開放式數據集。

他們正在通過結合現實世界的數據收集事件和模擬來開發專注於人道主義援助和救災的數據集。當前的重點在於地震場景。

洛克希德·馬丁公司的高級資深系統工程師 Andrew Walsh 和 NVIDIA 的高級解決方案架構師 May Casterline 一起闡述了他們如何在一系列模擬地震場景中設計包含多個感測器、飛機、地面車輛和演員團隊的現實世界的收集事件。他們還詳細說明了在時空上對齊所有不同數據源所需的工作,並介紹了在標記如此大型的數據集時所面臨的挑戰。

他們的數據集將用於訓練 AI 和機器學習系統,以提高對真實地震的響應能力。

利用資料科學進行災害規劃

週三下午晚些時候, Disaster Intelligence 總裁 Sean Griffin 談到了該公司在災害預防和響應方面的做法。這家位於華盛頓的公司正致力於創建一個通用的 Web 平台,以收集與自然和人為災害相關的數據集,然後以圖形的形式進行顯示。

用戶(從現場急救人員到普通公民)可以存取數據,以便在發生災害前後做出更科學的決定。

Griffin 說:“我們習慣於通過 PDF 或 SharePoint 站點分享對形勢的感知。”但高效能運算可讓您使用更相關的數據向更多的受眾提供新消息。

“作為一家公司,我們的目標是在整個美國實現完全覆蓋,將電力中斷的數據都儲存在我們的平台中,這樣一來,我們不僅能知道停電區域,還可以將這些訊息與其他關鍵興趣點(比如醫療設施或供水系統)相結合。”

Griffin 展示了兩個範例。第一個範例展示了 Disaster Intelligence 的平台如何針對不同的救災策略對結果、成本和選項進行建模。第二個則解釋了該平台如何在颶風期間改善沿海地區的疏散工作。

使用 RAPIDS 進行路線規劃

NVIDIA 將舉辦一場在線研討會,介紹該公司的 GPU 加速資料科學軟體堆疉 RAPIDS 如何幫助加快民用和軍事災救災物資的路線規劃流程。如需註冊參加 12 月 17 日上午 10 點(太平洋時間)召開的在線研討會,請點擊此處