Doğal afet yönetiminde yapay zeka

Kasırgalar, depremler, wildfires ve seller doğanın birer parçasıdır. Ancak son yıllarda bu tür doğal afetlerin sıklığında bir artışa tanık olmaktayız. Giderek şiddetlenen ve sıklaşan doğal afetler nedeniyle pek çok kişi evini, geçim kaynağını ve hayatını kaybetti. İklimle bağlantılı afetlerin sayısı son 30 yılda üç katına çıktı. BM raporlarına göre, gelişmekte olan ülkelerin bu afetlere uyum sağlaması ve bunlarla başa çıkması 2030 yılına kadar yıllık tahmini 140-300 milyar dolara mal olacak.

Bununla birlikte, yapay zeka gibi teknolojilerdeki son gelişmeler sayesinde, doğal afet yönetimi daha verimli hale geliyor ve afetleri tahmin etmekten iyileştirme çalışmalarına yardımcı olmaya kadar her şeyi iyileştiriyor. Bu makalede doğal afet yönetimine derinlemesine dalacağız, yapay zekanın sürecin her adımını nasıl iyileştirdiğini ve bizi güvende tutan yapay zeka uygulamalarını keşfedeceğiz.

Fig 1. 1900'den 2019'a kadar doğal afetlerdeki artışı gösteren bir grafik.

Proaktif risk yönetimi için afet tahmininde yapay zeka kullanımı#

Yapay zeka tabanlı afet tahmin ve erken uyarı sistemleri, doğal afetlerin neden olduğu zararı azaltmaya yardımcı olabilir. Bu sistemler kullanılarak yerel halk ve ilk yardım ekipleri, afetin etkilerini hafifletmek için erkenden uyarılabilir. Yapay zeka araçları, devasa miktardaki veriyi tarayabilir ve kasırga veya orman yangını gibi doğal afetleri gerçekleşmeden önce öngörmek için doğru tahminler yapabilir.

Makine öğrenimi ve computer vision gibi yapay zeka teknikleri, uydu görüntüleri, hava durumu verileri ve geçmiş kayıtlar gibi çeşitli kaynak türlerinden elde edilen devasa veri setlerini analiz etmek için kullanılan derin neural networks modellerini kullanır. Bu ağlar, potansiyel bir afete yol açabilecek örüntüleri ve anormallikleri tespit edebilen birbirine bağlı yapay nöronlar içerir. Büyük veri analitiği gibi araçlar kullanılarak toplanan devasa miktardaki veri işlenip analiz edildiğinde, erken uyarı sistemleri sağlamak ve doğal afetlerin etkilerini azaltmaya yardımcı olmak üzere yapay zeka modelleri eğitilebilir.

Örneğin yapay zeka, sismik verileri işleyerek deprem artçı sarsıntılarını tahmin etmek için kullanılabilir. Google ve Harvard, 131.000 deprem ve artçı sarsıntıya ait verileri analiz eden bir AI system geliştirdi. 30.000 deprem olayı üzerinde test edildiğinde bu yapay zeka sistemi, artçı sarsıntı konumlarını tahmin etmede geleneksel yöntemlere kıyasla daha yüksek bir doğruluk gösterdi. Aşağıda gösterilen artçı sarsıntı tahmini örneğinde, artçı sarsıntı yaşanması beklenen bölgeler kırmızı renkle işaretlenmiştir. Siyah noktalar gözlemlenen artçı sarsıntıların konumu olup sarı çizgi ise ana şok sırasında kırılan fay hatlarını göstermektedir.

Fig 2. Artçı sarsıntı tahmininin çıktısını gösteren bir görsel.

Afet hazırlığı için yapay zeka destekli sistemler#

Bir afet tahmin edildikten sonra doğal afet yönetmindeki bir sonraki adım hazırlıklı olmaktır. Bir afette yer alan riskler hakkında zamanında ve doğru bilgi sağlayan yapay zeka sistemleri sayesinde can ve mal kayıplarının önüne geçilebilir. Bu içgörüler, yetkililerin acil durumlara hazır olmasına ve hayat kurtarmak için hızlı hareket etmesine yardımcı olur. Örneğin çiftçiler, balıkçılar ve ormancılıkla uğraşanlar doğal afetler söz konusu olduğunda en yüksek risk altındaki topluluklar arasındadır ve AI solutions bu toplulukların kayıp yaşamasını önlemeye yardımcı olabilir.

Computer vision ve görüntü analitiği çözümleri de uydu görüntülerini gerçek zamanlı olarak işleyerek hava durumu modellerini izlemeye ve takip etmeye yardımcı olabilir. Bu tür afetlerin (siklonlar gibi) rotası izlenerek, etkilenebilecek alanlar bunlarla yüzleşmeye daha iyi hazırlanabilir. Örneğin NASA, Harvey ve Florence gibi kasırgaları takip etmek için uydu fotoğrafları üzerinde bulut bilişim ve derin öğrenme tekniklerini kullanmıştır. Sistemleri, standart yöntemlerden altı kat daha iyi performans göstererek kasırganın geleneksel yöntemlerdeki gibi her altı saatte bir değil, her saat başı takip edilmesine olanak tanıdı.

Şekil 3. Derin öğrenme kullanılarak Hurricane Florence kasırgasının izlenmesi ve takibi (Kaynak).

Afet müdahalesinde yapay zeka: Kurtarma ekipleri için gerçek zamanlı verilerin iyileştirilmesi#

Yapay zekanın doğal afet yönetimindeki bir diğer önemli uygulaması müdahale ekiplerine yardımcı olmaktır. Yapay zeka sistemleri, hasar tespiti ve zor durumda olan kişilerin konumunun takibi gibi değerli gerçek zamanlı verileri afet müdahale ekiplerine sağlayarak yardım kaynaklarını daha verimli tahsis etmelerine yardımcı olabilir. Ayrıca etkilenen bölgelerdeki insanlara yardım ulaştırılmasını hızlandırmaya ve ön saflardaki yardım çalışanlarının karar ve eylemlerini geliştirmeye yardımcı olabilirler.

Örneğin herhangi bir doğal afet sırasında acil yardım hatları (911 gibi) yardım çağrılarından geçilmez hale gelir. Tüm çağrılar insan operatörlere yönlendirilirse müdahale ekipleri önemli ayrıntıları kaçırabilir. Yapay zeka, rekor sürede çok sayıda çağrı ve mesajı yönetmek ve speech-to-text ile natural language processing (NLP) gibi özellikler kullanarak birden fazla işlevi gerçekleştirmek için kullanılabilir. Bu tür özellikler, acil durumun tam doğası ve arayanın konumu hakkında doğru bilgi almak için her acil durum çağrısının arkasındaki bağlamı çıkarabilir.

Bu içgörüler çağrı sürelerini kısaltır ve acil duruma müdahaleyi hızlandırır. Aynı sistem, computer vision ve NLP gibi yapay zeka araçlarının yardımıyla sosyal medya platformlarına da uygulanabilir.

Social media platformları doğal afet müdahalesinde nasıl yardımcı olabilir? Bir doğal afet sırasında sosyal medya platformları, hemen sonrasında çok önemli eyleme dönüştürülebilir bilgiler içerebilir. Örneğin, etkilenen bölgedeki insanlar tarafından sosyal medyada metin, ses, görsel ve video bilgileri paylaşılabilir. Her saniyenin kritik olduğu durumlarda tüm bu bilgileri manuel olarak yönetmek ve işlemek hiç de kolay değildir. AIDR (Yapay Zeka Dijital Müdahale) platformu gibi araçlar, sosyal medya paylaşımlarını otomatik olarak işleyerek müdahale gecikmelerini azaltmak için kullanılabilir. Platform, ilgili insani bilgileri elde etmek için tweet'lerden (veya diğer sosyal medya platformlarından) gelen metinleri ve görselleri analiz eder. Afet müdahale kuruluşları, eylemlerine yön vermek ve çalışmalarının verimliliğini artırmak için çıkarılan gerçek zamanlı verileri kullanabilir.

Yapay zeka inovasyonları ayrıca doğrudan ön saflardan kurtarma ekiplerine yardımcı olabilir. Ultralytics YOLOv8 gibi Computer vision modelleri, uydu görüntülerini ve bir görseldeki her pikseli belirli kategorilere ayıran semantic segmentation gibi yöntemleri kullanarak etkilenen bölgede meydana gelen hasarların değerlendirilmesine yardımcı olabilir. Örneğin Türkiye'deki depremin ardından ABD Savunma Bakanlığı, afet bölgesindeki altyapı ve bina hasarının ciddiyetini geleneksel detection yöntemlerine göre çok daha hızlı bir oranla tespit edip sınıflandırmak için semantik segmentation ve satellite imagery kullandı. Bu tür yöntemleri kullanarak süreci saatler veya dakikalar seviyesine indirdiler ve kontrol merkezi ile kurtarma ekipleri etkilenen bölgelerde kurtarma için daha hızlı müdahale edebildi.

Fig 4. Semantik segmentasyon kullanarak hasar tespiti.

Zihinsel sağlık desteği sağlayarak doğal afet sonrası iyileşmede yapay zeka#

Doğal afet sonrasındaki iyileştirme aşaması, toplulukları yeniden inşa etmeyi ve onları daha güçlü hale getirmeyi amaçlar. Bunu yapmanın en iyi yollarından biri, etkilenen bölgelerdeki insanlara ruh sağlığı desteği sağlamaktır. Kurtulanlar böyle bir afetten sonra Travma Sonrası Stres Bozukluğu (TSSB) gibi ruh sağlığı sorunları yaşayabilir. Bir afetten sonra TSSB oranları %40 kadar yüksek olabilir. Etkilenen bireylere yardımcı olmak için yapay zeka araçları kullanılabilir. Örneğin Omdena, yapay zeka sohbet botlarını kullanarak ruh sağlığı desteği sağlayan bir şirkettir.

Fig 5. TSSB hastalarına yardım etmek için yapay zeka sohbet botu.

Yapay zeka ayrıca ruh health research ve desteğine de yardımcı olabilir. Yapay zeka sistemleri, electronic health records verilerini insan uzmanlarla aynı doğrulukta analiz ederek ruh sağlığı sorunlarını tahmin etmek için kullanılabilir. Örneğin araştırmacılar, travma geçiren genç yetişkinlerde AI to analyze social media data and gauge stress levels in young adults amacıyla yapay zekayı kullandılar. Yaptıkları çalışmalara göre aynı teknik, hem kısa hem de uzun vadede climate crises ve doğal afetlerin ruh sağlığı üzerindeki etkisini anlamak için de uygulanabilirdi.

Doğal afet yönetiminde yapay zeka kullanmanın artıları ve eksileri#

Artık yapay zekanın doğal afet yönetiminin tüm farklı süreçlerini nasıl etkileyebileceğini tartıştığımıza göre, dahil olan bazı artıları ve eksileri keşfedelim. İşte afet yönetimi için yapay zeka kullanmanın bazı avantajları:

• Koordinasyonu iyileştirir: Yapay zeka sistemleri, afet müdahalesine dahil olan farklı kurum ve kuruluşlar arasındaki koordinasyonu geliştirmek, gecikmeleri ve verimsizlikleri azaltmak için kullanılabilir.

• Görevleri otomatikleştir: Yapay zeka; veri girişi ve analizi gibi repetitive tasks süreçlerini otomatikleştirerek her saniyenin kritik olduğu bir doğal afet sırasında daha önemli faaliyetler için insan kaynaklarını boşa çıkarabilir.

• Uzun vadeli iklim değişikliğine uyum: Yapay zeka, iklim değişikliğinin etkilerini tanımlamaya ve değerlendirmeye yardımcı olarak küresel toplulukların uzun vadeli uyum stratejileri geliştirmesini sağlayabilir.

Birçok faydasına rağmen, doğal afet yönetiminde yapay zeka ile ilgili akılda tutulması gereken sınırlamalar da vardır. İşte doğal afet yönetiminde yapay zekanın temel zorluklarından bazıları:

• Yüksek uygulama maliyetleri: Afet yönetimi için yapay zeka sistemlerinin geliştirilmesi ve uygulanması pahalı olabilir; çünkü bu genellikle investments in hardware donanım, yazılım ve yapay zeka uzmanlığına yönelik önemli yatırımlar gerektirir.

• Veri gizliliği endişeleri: Yapay zeka sistemleri, bir afet sırasında hasarları değerlendirmek ve insanları track etmek için jeosatgesel uydu verilerini, sosyal medya ve yardım hattı iletişim verilerini ve daha birçok kaynağı kullanır. Bu durum, kişisel bilgilerin rıza dışı kullanımı ve olası gözetim hakkında gizlilik endişelerini artırır.

• Veri kalitesine bağımlılık: Bir yapay zeka modelinin predictions kalitesi, ancak üzerinde eğitildiği quality and quantity of data kalitesi ve miktarı kadar iyi olabilir. AI models yanlış verilerle eğitilirse, özellikle kritik durumlarda daha az etkili sonuçlara yol açabilir.

Doğal afet yönetiminde yapay zeka üzerine son düşünceler#

Yapay zekanın insanların hayatlarını bir doğal afetten kurtarmaya nasıl yardımcı olabileceğini keşfettik. Afetleri tahmin etmemize, bunlara hazırlanmamıza, müdahale etmemize ve onlardan daha etkili bir şekilde toparlanmamıza yardımcı olur. Yapay zeka araçları depremleri tahmin edebilir, kasırgaları izleyebilir ve afet müdahale ve iyileştirme çalışmalarını iyileştirebilir. Bunu yapmak, afetlerin insanlar ve altyapı üzerindeki etkisini en aza indirmeye yardımcı olur. Yapay zekanın daha hızlı müdahale ve daha iyi koordinasyon gibi birçok faydası olsa da, bazı zorlukları da vardır. Bunlar arasında yüksek maliyetler, veri gizliliği endişeleri ve doğru veri ihtiyacı yer alır. Bu zorlukları ele alıp çözümlediğimizde, doğal afetleri yönetmede yapay zekanın etkisini en üst düzeye çıkarabiliriz.

Daha fazla bilgi edinmek için GitHub repository sayfamızı ziyaret et ve community topluluğumuzla etkileşim kur. Çözüm sayfalarımızda manufacturing ve agriculture alanlarındaki yapay zeka uygulamalarını keşfet. 🚀