ビジョンAI

自然災害管理におけるAI

自然災害管理におけるAIの役割について、災害予測から復旧作業の支援まで学びましょう。AIがどのように人命救助に役立つかを探ります。

ABAbirami Vina5 min readSeptember 25, 2024

ハリケーン、地震、wildfires、洪水はすべて自然の一部です。しかし近年、このような自然災害の発生が増加していることが確認されています。ますます激しく頻発する自然災害により、多くの人が家、生活基盤、命を失っています。気候関連の災害件数は過去30年間で3倍に増加しました。国連の報告書によると、こうした災害への適応とcoping with these disastersには、2030年までに途上国で年間推定1,400億〜3,000億ドルのコストがかかるとされています。

しかし、AIのようなテクノロジーの近年の進歩のおかげで、自然災害管理はより効率化されており、災害の予測から復旧活動の支援に至るまで、あらゆる面で改善が進んでいます。本記事では、自然災害管理について深く掘り下げ、AIがプロセスの各段階をどのように改善しているか、そして私たちを安全に守るAIアプリケーションについて解説します。

A graph showing the rise in natural disasters from 1900 to 2019

Fig 1. 1900年から2019年までの自然災害の増加を示すグラフ。

プロアクティブなリスク管理のための災害予測におけるAI活用#

AIを用いた災害予測および早期検知システムは、自然災害による被害の軽減に貢献します。これらのシステムを利用することで、地域住民や初期対応者は早期に警告を受け、災害の影響を最小限に抑えることができます。AIツールは膨大なデータを精査し、ハリケーンや山火事などの自然災害が発生する前に予測を立てることが可能です。

機械学習やcomputer visionなどのAI技術は、ディープなneural networksを使用しており、satellite imagery、weather data、historical recordsなど、さまざまなソースからの膨大なdatasetsを分析するために活用されます。これらのネットワークには相互接続された人工ニューロンが含まれており、災害の可能性につながるパターンや異常を特定できます。ビッグデータ分析などのツールを使用して大量の収集データを処理・分析することで、AIモデルをトレーニングし、早期警戒システムを提供して自然災害の影響を軽減することができます。

例えば、AIは地震データを処理することで余震の予測に使用できます。Googleとハーバード大学は、131,000件の地震と余震のデータを分析したAI systemを開発しました。30,000件の地震イベントでテストしたところ、このAIシステムは従来の方法に比べて余震発生場所の予測精度が高いことが示されました。以下に示す余震予測の例では、余震が発生すると予測された領域が赤色でマークされています。黒い点は観測された余震の場所を示し、黄色いラインは本震時に破断した断層を示しています。

An image showcasing the output of aftershock prediction

Fig 2. 余震予測の出力を示す画像。

災害への備えのためのAI駆動型システム#

災害が予測された後、自然災害管理における次のステップは備えです。災害に伴うリスクについてタイムリーで正確な情報を提供するAIシステムにより、人的および経済的な損失を防ぐことができます。これらのインサイトは、当局が緊急事態に備え、人命を救うために迅速に行動するのに役立ちます。例えば、farmers、fishers、forestersは自然災害に関して最もリスクの高いコミュニティの一部であり、AI solutionsはこれらのコミュニティが損失を回避するのに役立ちます。

Computer visionおよび画像分析ソリューションは、衛星画像をリアルタイムで処理することで、気象パターンの監視と追跡にも役立ちます。こうした災害（サイクロンなど）の進路を監視することで、影響を受ける可能性のある地域が災害への備えを強化できます。例えば、NASAはクラウドコンピューティングとディープラーニング技術を衛星写真に適用し、ハーヴェイやフローレンスのようなハリケーンをtrackしてきました。彼らのシステムは標準的な方法を6倍上回る性能を発揮し、従来の方法の6時間に1回ではなく、毎時計測してハリケーンを追跡することを可能にしました。

Monitoring and tracking Hurricane Florence using deep learning

Fig 3. ディープラーニングを使用したハリケーン・フローレンスの監視と追跡（Source）。

災害対応におけるAI：救助チームのためのリアルタイムデータの強化#

自然災害管理におけるAIのもう一つの重要な応用分野は、対応チームの支援です。AIシステムは、被害状況の評価や被災者の位置の追跡など、価値のあるリアルタイムデータを災害対応チームに提供し、救援リソースをより効率的に割り当てるのを支援します。また、被災地への救援物資の配送を加速し、front-line relief workersの意思決定や行動を改善するのにも役立ちます。

例えば、自然災害が発生すると、緊急ダイヤル（911など）には助けを求める電話が殺到します。すべての通話が人間のオペレーターに転送されると、対応チームが重要な詳細を聞き逃す可能性があります。AIを活用すれば、記録的な速さで大量の通話やメッセージを管理し、speech-to-textやnatural language processing（NLP）などの機能を使用して複数の機能を実行できます。こうした機能により、すべての緊急通話の背景にある文脈を抽出して、緊急事態の正確な性質や発信者の場所に関する正確な情報を得ることができます。

これらのインサイトにより通話時間が短縮され、緊急対応が迅速化されます。computer visionやNLPなどのAIツールを使用することで、同様のシステムをソーシャルメディアプラットフォームにも適用できます。

social mediaプラットフォームは、自然災害への対応にどのように役立つのでしょうか？自然災害の発生直後、ソーシャルメディアプラットフォームには極めて重要な実用情報が含まれている場合があります。例えば、被災地の人々によってtext、audio、images、videoに関する情報がソーシャルメディアに投稿されることがあります。1秒が極めて重要な状況において、これらすべての情報を手動で管理・処理するのは容易ではありません。AIDR（Artificial Intelligence Digital Response）プラットフォームなどのツールを使用すると、ソーシャルメディアの投稿を自動処理することで、対応の遅延を軽減できます。このプラットフォームは、ツイート（または他のソーシャルメディアプラットフォーム）からのテキストと画像を分析し、関連する人道支援情報を取得します。災害対応組織は、抽出されたリアルタイムデータを利用して行動の指針とし、取り組みの効率性を高めることができます。

Ultralytics YOLOv8などのコンピュータービジョンモデルは、衛星画像や、画像内の各ピクセルを特定のカテゴリに分類するsemantic segmentationなどの手法を使用して、被災地の被害状況を評価するのに役立ちます。例えば、トルコでの地震の余震後、米国防総省はセマンティックsegmentationとsatellite imageryを使用して、災害地域のinfrastructureおよびbuilding damageの深刻度を従来のdetection方法よりもはるかに高速に特定・分類しました。このような手法を使用することで、プロセスを数時間または数分に短縮し、コントロールセンターやレスキューチームが被災地での復旧活動に迅速に対応できるようになりました。

Damage assessment using semantic segmentation

Fig 4. セマンティックセグメンテーションを使用した被害評価。

メンタルヘルスサポートの提供を通じた自然災害からの回復のためのAI#

自然災害後の復旧フェーズの目的は、コミュニティを再建し、より強靭にすることです。そのための最善の方法の一つは、被災地の人々に精神的healthサポートを提供することです。生存者は、このような災害の後、心的外傷後ストレス障害（PTSD）などのメンタルヘルスの問題に苦しむ可能性があります。災害後のPTSDの発症率は40%にも達することがあります。AIツールは、影響を受けた個人を支援するために使用できます。例えば、Omdenaは、AIチャットボットを使用してメンタルヘルスサポートを提供する企業です。

AI chatbot for helping patients with PTSD

Fig 5. PTSD患者を支援するためのAIチャットボット。

AIは、精神的health researchとサポートを支援することもできます。AIシステムを使用すると、人間の専門家と同等の精度でelectronic health recordsを分析し、メンタルヘルスの問題を予測できます。例えば、研究者たちは、AI to analyze social media data and gauge stress levels in young adultsトラウマを経験した若者のストレスレベルを測定するためにAIを使用しました。彼らの研究によると、同じ技術を、短期および長期の両方におけるclimate crisesおよび自然災害がメンタルヘルスに与える影響を理解するためにも適用できるとのことです。

災害管理におけるAI活用のメリットとデメリット#

AIが自然災害管理のあらゆるプロセスにどのような影響を与えうるかについて議論したところで、そのメリットとデメリットをいくつか見ていきましょう。災害管理にAIを活用することの利点は以下の通りです。

連携の向上: AIシステムは、災害対応に関与するさまざまな機関や組織間の連携を強化し、遅延や非効率を減らすために使用できます。
タスクの自動化: AIはデータ入力や分析などのautomate repetitive tasksを自動化できるため、1秒が極めて重要な自然災害時に、より重要な活動のために人的リソースを解放することができます。
長期的な気候変動への適応: AIは気候変動の影響を特定・評価するのに役立ち、グローバルなコミュニティが長期的な適応戦略を策定することを可能にします。

多くの利点がある一方で、自然災害管理におけるAIには留意すべき制限もあります。自然災害管理におけるAIの主な課題は以下の通りです。

高い実装コスト: 災害管理のためのAIシステムの開発と実装は、investments in hardware、ソフトウェア、およびAIの専門知識への多大な投資を伴うことが多いため、費用がかかる場合があります。
データのプライバシーに関する懸念: AIシステムは、地理空間衛星データ、ソーシャルメディアやヘルプラインの通信データなど、さまざまなソースを使用して、災害中の被害評価や人々のtrackを行います。これにより、個人情報の無断使用や潜在的な監視に関するプライバシーの懸念が生じます。
データ品質への依存: AIモデルのpredictionsの精度は、トレーニングに使用されたquality and quantity of dataの品質と量に依存します。不正確なデータでAI modelsがトレーニングされた場合、特に重要な状況において効果的な成果が得られなくなる可能性があります。