IA na gestão de catástrofes naturais

Os furacões, os incêndios florestais, os terramotos e as inundações fazem todos parte da natureza. No entanto, nos últimos anos, temos assistido a um aumento da ocorrência deste tipo de catástrofes naturais. Muitas pessoas perderam as suas casas, meios de subsistência e vidas devido a catástrofes naturais cada vez mais graves e frequentes. O número de catástrofes relacionadas com o clima triplicou nos últimos 30 anos. De acordo com relatórios da ONU, a adaptação a estas catástrofes e a capacidade de lidar com elas custarão aos países em desenvolvimento cerca de 140 a 300 mil milhões de dólares por ano até 2030.

No entanto, graças aos avanços recentes em tecnologias como a IA, a gestão de catástrofes naturais está a tornar-se mais eficiente, melhorando tudo, desde a previsão de catástrofes até ao apoio aos esforços de recuperação. Neste artigo, vamos explorar em profundidade a gestão de catástrofes naturais, analisar como a IA melhora cada etapa do processo e conhecer aplicações de IA que nos mantêm em segurança.

Fig. 1. Um gráfico que mostra o aumento das catástrofes naturais entre 1900 e 2019.

Utilizar a IA na previsão de catástrofes para uma gestão proativa dos riscos#

Os sistemas de previsão e deteção precoce de catástrofes com IA podem ajudar a reduzir os danos causados por catástrofes naturais. Com estes sistemas, os residentes locais e os primeiros intervenientes podem ser avisados antecipadamente para mitigar os efeitos da catástrofe. As ferramentas de IA podem analisar grandes quantidades de dados e fazer previsões precisas para antecipar catástrofes naturais, como furacões e incêndios florestais, antes de estas acontecerem.

Técnicas de IA como a aprendizagem automática e a visão computacional utilizam redes neuronais profundas, que são usadas para analisar grandes conjuntos de dados provenientes de vários tipos de fontes, como imagens de satélite, dados meteorológicos e registos históricos. Estas redes contêm neurónios artificiais interligados que conseguem identificar padrões e anomalias que indicam uma potencial catástrofe. Ao processar e analisar a enorme quantidade de dados recolhidos com ferramentas como a análise de big data, os modelos de IA podem ser treinados para fornecer sistemas de alerta precoce e ajudar a reduzir os impactos das catástrofes naturais.

Por exemplo, a IA pode ser utilizada para prever réplicas de terramotos através do processamento de dados sísmicos. A Google e a Universidade de Harvard desenvolveram um sistema de IA que analisou dados de 131 000 terramotos e réplicas. Quando testado em 30 000 eventos sísmicos, este sistema de IA apresentou maior precisão na previsão da localização das réplicas do que os métodos tradicionais. No exemplo de previsão de réplicas apresentado abaixo, as regiões onde se prevê a ocorrência de réplicas estão assinaladas a vermelho. Os pontos pretos representam as localizações das réplicas observadas e a linha amarela mostra as falhas que sofreram rutura durante o sismo principal.

Fig. 2. Uma imagem que mostra o resultado da previsão de réplicas.

Sistemas baseados em IA para a preparação para catástrofes#

Depois de uma catástrofe ser prevista, o passo seguinte na gestão de catástrofes naturais é estar preparado. As perdas humanas e económicas podem ser evitadas com sistemas de IA que fornecem informações atempadas e precisas sobre os riscos envolvidos numa catástrofe. Estas informações ajudam as autoridades a estar preparadas para emergências e a agir rapidamente para salvar vidas. Por exemplo, agricultores, pescadores e silvicultores estão entre as comunidades mais vulneráveis a catástrofes naturais, e as soluções de IA podem ajudá-las a evitar perdas.

As soluções de visão computacional e análise de imagens também podem ajudar a monitorizar e acompanhar os padrões meteorológicos através do processamento de imagens de satélite em tempo real. Ao monitorizar a trajetória destas catástrofes, como os ciclones, as áreas que podem ser afetadas conseguem preparar-se melhor para as enfrentar. Por exemplo, a NASA utilizou técnicas de computação na nuvem e aprendizagem profunda em fotografias de satélite para acompanhar furacões como o Harvey e o Florence. O seu sistema superou os métodos padrão em seis vezes, permitindo acompanhar o furacão a cada hora, em vez de a cada seis horas, como acontecia com os métodos tradicionais.

Fig. 3. Monitorização e acompanhamento do furacão Florence através de aprendizagem profunda (Fonte).

IA na resposta a catástrofes: melhorar os dados em tempo real para as equipas de salvamento#

Outra aplicação importante da IA na gestão de catástrofes naturais é o apoio às equipas de resposta. Os sistemas de IA podem fornecer dados valiosos em tempo real, como a avaliação de danos e o acompanhamento da localização de pessoas em perigo, às equipas de resposta a catástrofes, ajudando-as a distribuir os recursos de emergência de forma mais eficiente. Também podem ajudar a acelerar a entrega de ajuda às pessoas nas áreas afetadas e a melhorar as decisões e ações dos profissionais de ajuda humanitária na linha da frente.

Por exemplo, durante qualquer catástrofe natural, as linhas de apoio de emergência, como o 911, ficam inundadas de chamadas de socorro. As equipas de resposta podem não detetar detalhes importantes se todas as chamadas forem encaminhadas para operadores humanos. A IA pode ser utilizada para gerir grandes volumes de chamadas e mensagens num tempo recorde e executar várias funções através de recursos como a conversão de voz em texto e o processamento de linguagem natural (NLP). Estes recursos conseguem extrair o contexto de cada chamada de emergência para obter informações precisas sobre a natureza exata da emergência e a localização da pessoa que efetuou a chamada.

Estas informações reduzem a duração das chamadas e aceleram a resposta de emergência. O mesmo sistema pode ser aplicado a plataformas de redes sociais com a ajuda de ferramentas de IA como a visão computacional e o NLP.

Como podem as plataformas de redes sociais ajudar na resposta a catástrofes naturais? Durante uma catástrofe natural, as plataformas de redes sociais podem conter informações cruciais e acionáveis imediatamente após o acontecimento. Por exemplo, informações em texto, áudio, imagens e vídeo podem ser publicadas nas redes sociais por pessoas da área afetada. Gerir e processar manualmente todas estas informações não é fácil, sobretudo quando cada segundo é crucial. Ferramentas como a plataforma AIDR (Resposta Digital com Inteligência Artificial) podem ser utilizadas para reduzir os atrasos na resposta através do processamento automático de publicações nas redes sociais. A plataforma analisa texto e imagens de tweets ou de outras plataformas de redes sociais para obter informações humanitárias relevantes. As organizações de resposta a catástrofes podem utilizar os dados extraídos em tempo real para orientar as suas ações e melhorar a eficiência dos seus esforços.

As inovações em IA também podem apoiar diretamente as equipas de salvamento na linha da frente. Os modelos de visão computacional, como o Ultralytics YOLOv8, podem ajudar a avaliar os danos causados na área afetada utilizando imagens de satélite e métodos como a segmentação semântica, que classifica cada píxel de uma imagem em categorias específicas. Por exemplo, após o terramoto na Turquia, o Departamento de Defesa dos EUA utilizou a segmentação semântica e imagens de satélite para identificar e categorizar a gravidade dos danos na infraestrutura e nos edifícios em áreas afetadas por catástrofes, a uma velocidade muito superior à dos métodos tradicionais de deteção. A utilização destes métodos acelerou o processo, reduzindo-o a horas ou minutos, e permitiu que o centro de controlo e as equipas de salvamento respondessem mais rapidamente nas áreas afetadas durante a recuperação.

Fig. 4. Avaliação de danos através de segmentação semântica.

IA na recuperação de catástrofes naturais através de apoio à saúde mental#

A fase de recuperação após uma catástrofe natural tem como objetivo reconstruir as comunidades e torná-las mais fortes. Uma das melhores formas de o fazer é fornecer apoio à saúde mental às pessoas nas áreas afetadas. Os sobreviventes podem sofrer de problemas de saúde mental, como a Perturbação de Stress Pós-Traumático (PTSD), depois de uma catástrofe deste tipo. As taxas de PTSD após uma catástrofe podem atingir 40%. As ferramentas de IA podem ser utilizadas para ajudar as pessoas afetadas. Por exemplo, a Omdena é uma empresa que fornece apoio à saúde mental através de chatbots de IA.

Fig. 5. Chatbot de IA para ajudar pacientes com PTSD.

A IA também pode apoiar a investigação em saúde mental e a prestação de apoio. Os sistemas de IA podem ser utilizados para prever problemas de saúde mental através da análise de registos de saúde eletrónicos, com a mesma precisão que especialistas humanos. Por exemplo, investigadores utilizaram a IA para analisar dados de redes sociais e avaliar os níveis de stress em jovens adultos após uma experiência traumática. De acordo com os seus estudos, a mesma técnica também poderia ser aplicada para compreender o impacto na saúde mental das crises climáticas e das catástrofes naturais, tanto a curto como a longo prazo.

Vantagens e desvantagens da utilização da IA na gestão de catástrofes#

Agora que analisámos como a IA pode influenciar os diferentes processos da gestão de catástrofes naturais, vamos explorar algumas das vantagens e desvantagens envolvidas. Eis algumas das vantagens da utilização da IA na gestão de catástrofes:

• Melhorar a coordenação: os sistemas de IA podem ser utilizados para melhorar a coordenação entre as diferentes agências e organizações envolvidas na resposta a catástrofes, reduzindo atrasos e ineficiências.

• Automatizar tarefas: a IA pode automatizar tarefas repetitivas, como a introdução e a análise de dados, libertando recursos humanos para atividades mais críticas durante uma catástrofe natural, quando cada segundo é crucial.

• Adaptação às alterações climáticas a longo prazo: a IA pode ajudar a identificar e avaliar os impactos das alterações climáticas, permitindo que as comunidades de todo o mundo desenvolvam estratégias de adaptação a longo prazo.

Apesar dos muitos benefícios, existem também limitações relacionadas com a IA na gestão de catástrofes naturais que devem ser tidas em conta. Eis alguns dos principais desafios da IA na gestão de catástrofes naturais:

• Custos de implementação elevados: desenvolver e implementar sistemas de IA para a gestão de catástrofes pode ser dispendioso, uma vez que envolve frequentemente investimentos significativos em hardware, software e conhecimentos especializados em IA.

• Preocupações com a privacidade dos dados: os sistemas de IA utilizam dados geoespaciais de satélite, dados de redes sociais e de comunicações de linhas de apoio, entre outras fontes, para avaliar danos e acompanhar pessoas durante uma catástrofe. Isto suscita preocupações de privacidade relacionadas com a utilização de informações pessoais sem consentimento e com a potencial vigilância.

• Dependência da qualidade dos dados: as previsões de um modelo de IA só podem ser tão boas quanto a qualidade e quantidade dos dados utilizados no seu treino. Se os modelos de IA forem treinados com dados imprecisos, poderão produzir resultados menos eficazes, sobretudo em situações críticas.

Considerações finais sobre a IA na gestão de catástrofes naturais#

Explorámos como a IA pode ajudar a salvar vidas durante uma catástrofe natural. Ajuda-nos a prever, preparar, responder e recuperar de forma mais eficaz. As ferramentas de IA podem prever terramotos, acompanhar furacões e melhorar os esforços de resposta e recuperação após catástrofes. Desta forma, ajudam a minimizar o impacto das catástrofes nas pessoas e nas infraestruturas. Embora a IA tenha muitos benefícios, como respostas mais rápidas e melhor coordenação, também apresenta alguns desafios. Estes incluem custos elevados, preocupações com a privacidade dos dados e a necessidade de dados precisos. Ao enfrentar e ter em conta estes desafios, podemos maximizar o impacto da IA na gestão eficaz de catástrofes naturais.

Para saberes mais, visita o nosso repositório no GitHub e participa na nossa comunidade. Explora aplicações de IA na indústria e na agricultura nas nossas páginas de soluções. 🚀