AI trong quản lý thảm họa thiên nhiên

Các cơn bão, động đất, wildfires và lũ lụt đều là một phần của tự nhiên. Tuy nhiên, trong những năm gần đây, chúng ta đã chứng kiến sự gia tăng tần suất xảy ra các thảm họa thiên nhiên này. Nhiều người đã mất nhà cửa, sinh kế và mạng sống do các thảm họa thiên nhiên ngày càng nghiêm trọng và thường xuyên hơn. Số lượng các thảm họa liên quan đến khí hậu đã tăng gấp ba lần trong 30 năm qua. Theo các báo cáo của Liên hợp quốc, việc thích ứng và coping with these disasters sẽ tiêu tốn của các quốc gia đang phát triển ước tính từ 140 đến 300 tỷ USD mỗi năm vào năm 2030.

Tuy nhiên, nhờ những tiến bộ gần đây trong công nghệ như AI, công tác quản lý thảm họa thiên nhiên đang trở nên tinh gọn hơn, cải thiện mọi thứ từ việc dự báo thảm họa đến hỗ trợ các nỗ lực phục hồi. Trong bài viết này, chúng ta sẽ đi sâu vào quản lý thảm họa thiên nhiên, khám phá cách AI cải thiện từng bước của quy trình và các ứng dụng AI đang giúp bảo vệ sự an toàn cho chúng ta.

Fig 1. Biểu đồ thể hiện sự gia tăng của các thảm họa thiên nhiên từ năm 1900 đến năm 2019.

Sử dụng AI trong dự báo thảm họa để quản lý rủi ro chủ động#

Các hệ thống dự báo thảm họa và phát hiện sớm bằng AI có thể giúp giảm thiểu thiệt hại do thảm họa thiên nhiên gây ra. Sử dụng các hệ thống này, cư dân địa phương và lực lượng phản ứng nhanh có thể được cảnh báo sớm để giảm nhẹ các ảnh hưởng của thảm họa. Các công cụ AI có thể sàng lọc lượng dữ liệu khổng lồ và đưa ra các dự đoán chính xác để đón đầu các thảm họa thiên nhiên như bão và cháy rừng trước khi chúng xảy ra.

Các kỹ thuật AI như machine learning và computer vision sử dụng deep neural networks, được dùng để phân tích các datasets khổng lồ từ nhiều loại nguồn khác nhau, chẳng hạn như satellite imagery, weather data và historical records. Các mạng này chứa các nơ-ron nhân tạo được kết nối với nhau, có khả năng nhận diện các mẫu và bất thường dẫn đến một thảm họa tiềm tàng. Bằng cách xử lý và phân tích lượng dữ liệu khổng lồ thu thập được thông qua các công cụ như phân tích big data, các AI model có thể được huấn luyện để cung cấp hệ thống cảnh báo sớm và giúp giảm thiểu tác động của thảm họa thiên nhiên.

Ví dụ, AI có thể được sử dụng để dự đoán dư chấn động đất bằng cách xử lý seismic data. Google và Harvard đã phát triển một AI system phân tích dữ liệu từ 131.000 trận động đất và dư chấn. Khi thử nghiệm trên 30.000 sự kiện động đất, hệ thống AI này cho thấy độ chính xác cao hơn trong việc dự đoán vị trí dư chấn so với các phương pháp truyền thống. Trong ví dụ về dự đoán dư chấn được hiển thị bên dưới, các khu vực dự kiến sẽ có dư chấn được đánh dấu bằng màu đỏ. Các chấm đen là vị trí của các dư chấn quan sát được, và đường màu vàng cho thấy các đứt gãy đã nứt vỡ trong trận động đất chính.

Fig 2. Hình ảnh minh họa kết quả dự đoán dư chấn.

Các hệ thống hỗ trợ bởi AI cho công tác chuẩn bị ứng phó thảm họa#

Khi một thảm họa được dự đoán trước, bước tiếp theo trong quản lý thảm họa thiên nhiên là sự chuẩn bị sẵn sàng. Thiệt hại về người và kinh tế có thể được ngăn chặn bằng các hệ thống AI cung cấp thông tin kịp thời và chính xác về các rủi ro liên quan đến thảm họa. Những thông tin chi tiết này giúp các cơ quan chức năng sẵn sàng ứng phó với tình trạng khẩn cấp và hành động nhanh chóng để cứu mạng người. Chẳng hạn, farmers, fishers và foresters là một số cộng đồng có nguy cơ cao nhất khi xảy ra thảm họa thiên nhiên, và các AI solutions có thể giúp các cộng đồng này tránh được thiệt hại.

Các giải pháp computer vision và phân tích hình ảnh cũng có thể giúp giám sát và theo dõi các hình thái thời tiết bằng cách xử lý ảnh vệ tinh theo thời gian thực. Bằng cách theo dõi đường di chuyển của các thảm họa này (như lốc xoáy), các khu vực có khả năng bị ảnh hưởng có thể chuẩn bị tốt hơn để đối phó. Ví dụ, NASA đã sử dụng điện toán đám mây và các kỹ thuật deep learning trên ảnh vệ tinh để track các cơn bão như Harvey và Florence. Hệ thống của họ đã vượt trội hơn các phương pháp tiêu chuẩn gấp sáu lần, cho phép theo dõi cơn bão hàng giờ thay vì sáu giờ một lần như với các phương pháp truyền thống.

Fig 3. Giám sát và theo dõi Bão Florence sử dụng deep learning (Source).

AI trong phản ứng với thảm họa: Tăng cường dữ liệu thời gian thực cho các đội cứu hộ#

Một ứng dụng quan trọng khác của AI trong quản lý thảm họa thiên nhiên là hỗ trợ các đội ứng phó. Các hệ thống AI có thể cung cấp dữ liệu thời gian thực có giá trị, chẳng hạn như đánh giá thiệt hại và theo dõi vị trí của những người gặp nạn, cho các đội ứng phó thảm họa, giúp họ phân bổ nguồn lực cứu trợ hiệu quả hơn. Chúng cũng có thể giúp đẩy nhanh quá trình phân phối viện trợ đến những người ở khu vực bị ảnh hưởng và cải thiện các quyết định cũng như hành động của front-line relief workers.

Ví dụ, trong bất kỳ thảm họa thiên nhiên nào, các đường dây nóng khẩn cấp (như 911) đều bị quá tải bởi các cuộc gọi cầu cứu. Các đội ứng phó có thể bỏ sót những chi tiết quan trọng nếu tất cả các cuộc gọi được chuyển hướng đến tổng đài viên là con người. AI có thể được sử dụng để quản lý lượng lớn các cuộc gọi và tin nhắn trong thời gian kỷ lục và thực hiện nhiều chức năng bằng cách sử dụng các tính năng như speech-to-text và natural language processing (NLP). Các tính năng như vậy có thể trích xuất ngữ cảnh đằng sau mọi cuộc gọi khẩn cấp để có được thông tin chính xác về bản chất chính xác của tình trạng khẩn cấp và vị trí của người gọi.

Những thông tin chi tiết này làm giảm thời gian gọi và đẩy nhanh quá trình ứng phó khẩn cấp. Hệ thống tương tự có thể được áp dụng cho các nền tảng mạng xã hội với sự trợ giúp của các công cụ AI như computer vision và NLP.

Các nền tảng social media có thể hỗ trợ ứng phó thảm họa thiên nhiên như thế nào? Trong một thảm họa thiên nhiên, các nền tảng mạng xã hội có thể chứa thông tin hành động quan trọng ngay trong thời điểm hậu quả trực tiếp xảy ra. Ví dụ, thông tin dạng text, audio, images và video có thể được đăng lên mạng xã hội bởi những người ở khu vực bị ảnh hưởng. Việc quản lý và xử lý thủ công tất cả thông tin này không hề dễ dàng, đặc biệt là khi mỗi giây đều rất quan trọng. Các công cụ như nền tảng AIDR (Artificial Intelligence Digital Response) có thể được sử dụng để giảm thiểu thời gian chậm trễ trong ứng phó bằng cách tự động xử lý các bài đăng trên mạng xã hội. Nền tảng này phân tích văn bản và hình ảnh từ các tweet (hoặc các nền tảng mạng xã hội khác) để thu thập thông tin nhân đạo có liên quan. Các tổ chức ứng phó thảm họa có thể sử dụng dữ liệu thời gian thực được trích xuất để định hướng hành động của họ và nâng cao hiệu quả của các nỗ lực cứu trợ.

Các cải tiến AI cũng có thể hỗ trợ trực tiếp các đội cứu hộ ngay từ tiền tuyến. Các computer vision model như Ultralytics YOLOv8 có thể giúp đánh giá thiệt hại gây ra đối với khu vực bị ảnh hưởng bằng cách sử dụng ảnh vệ tinh và các phương pháp như semantic segmentation, phân loại từng điểm ảnh trong một hình ảnh thành các danh mục cụ thể. Ví dụ, trong hậu quả của trận động đất ở Thổ Nhĩ Kỳ, Bộ Quốc phòng Hoa Kỳ đã sử dụng semantic segmentation và satellite imagery để xác định và phân loại mức độ nghiêm trọng của infrastructure và building damage tại các khu vực thảm họa với tốc độ nhanh hơn nhiều so với các phương pháp detection truyền thống. Sử dụng các phương pháp này, họ đã đẩy nhanh quá trình xuống tính bằng giờ hoặc phút, và trung tâm điều khiển cũng như các đội cứu hộ có thể phản ứng nhanh hơn tại các khu vực bị ảnh hưởng để phục hồi.

Fig 4. Đánh giá thiệt hại sử dụng semantic segmentation.

AI cho phục hồi sau thảm họa thiên nhiên bằng cách cung cấp hỗ trợ sức khỏe tâm thần#

Giai đoạn phục hồi sau thảm họa thiên nhiên nhằm mục đích xây dựng lại các cộng đồng và làm cho họ trở nên kiên cường hơn. Một trong những cách tốt nhất để làm điều đó là cung cấp hỗ trợ về sức khỏe health tinh thần cho những người ở các khu vực bị ảnh hưởng. Những người sống sót có thể mắc các vấn đề về sức khỏe tâm thần như Rối loạn Căng thẳng Sau Sang chấn (PTSD) sau một thảm họa như vậy. Tỷ lệ mắc PTSD sau thảm họa có thể lên tới 40%. Các công cụ AI có thể được sử dụng để giúp đỡ những cá nhân bị ảnh hưởng. Ví dụ, Omdena là một công ty cung cấp hỗ trợ sức khỏe tinh thần sử dụng các AI chatbot.

Fig 5. AI chatbot hỗ trợ bệnh nhân mắc PTSD.

AI cũng có thể hỗ trợ nghiên cứu và hỗ trợ sức khỏe health research tinh thần. Các hệ thống AI có thể được sử dụng để dự đoán các vấn đề về sức khỏe tâm thần bằng cách phân tích electronic health records với độ chính xác tương đương các chuyên gia con người. Ví dụ, các nhà nghiên cứu đã sử dụng AI to analyze social media data and gauge stress levels in young adults sau khi trải qua sang chấn. Theo các nghiên cứu của họ, kỹ thuật tương tự cũng có thể được áp dụng để hiểu tác động sức khỏe tâm thần của climate crises và thảm họa thiên nhiên, trong cả ngắn hạn và dài hạn.

Ưu và nhược điểm của việc sử dụng AI trong quản lý thảm họa#

Bây giờ chúng ta đã thảo luận về cách AI có thể ảnh hưởng đến tất cả các quy trình khác nhau của quản lý thảm họa thiên nhiên, hãy cùng khám phá một số ưu và nhược điểm liên quan. Dưới đây là một số lợi ích của việc sử dụng AI để quản lý thảm họa:

• Cải thiện sự phối hợp: Các hệ thống AI có thể được sử dụng để cải thiện sự phối hợp giữa các cơ quan và tổ chức khác nhau tham gia vào phản ứng thảm họa, giảm thiểu sự chậm trễ và kém hiệu quả.

• Tự động hóa các tác vụ: AI có thể automate repetitive tasks, chẳng hạn như nhập và phân tích dữ liệu, giải phóng nguồn nhân lực cho các hoạt động quan trọng hơn trong thảm họa thiên nhiên khi mỗi giây trôi qua đều rất cấp bách.

• Thích ứng với biến đổi khí hậu dài hạn: AI có thể giúp xác định và đánh giá các tác động của biến đổi khí hậu, cho phép các cộng đồng toàn cầu phát triển các chiến lược thích ứng dài hạn.

Mặc dù có nhiều lợi ích, vẫn có những hạn chế liên quan đến AI trong quản lý thảm họa thiên nhiên cần lưu ý. Dưới đây là một số thách thức chính của AI trong quản lý thảm họa thiên nhiên:

• Chi phí triển khai cao: Việc phát triển và triển khai các hệ thống AI để quản lý thảm họa có thể tốn kém, vì nó thường đòi hỏi các investments in hardware đáng kể, phần mềm và chuyên môn về AI.

• Mối quan ngại về quyền riêng tư dữ liệu: Các hệ thống AI sử dụng dữ liệu vệ tinh không gian địa lý, dữ liệu truyền thông từ mạng xã hội và đường dây nóng, cùng nhiều nguồn khác để đánh giá thiệt hại và track con người trong thảm họa. Điều này làm dấy lên những lo ngại về quyền riêng tư đối với việc sử dụng thông tin cá nhân không có sự đồng ý và khả năng bị giám sát.

• Sự phụ thuộc vào chất lượng dữ liệu: Các predictions của một AI model chỉ có thể tốt khi dựa trên quality and quantity of data mà nó được huấn luyện. Nếu các AI models được huấn luyện bằng dữ liệu không chính xác, điều đó có thể dẫn đến kết quả kém hiệu quả hơn, đặc biệt là trong các tình huống quan trọng.

Suy nghĩ cuối cùng về AI trong quản lý thảm họa thiên nhiên#

Chúng ta đã khám phá cách AI có thể giúp cứu mạng sống con người khỏi một thảm họa thiên nhiên. Nó giúp chúng ta dự đoán, chuẩn bị, phản ứng và phục hồi sau chúng một cách hiệu quả hơn. Các công cụ AI có thể dự đoán động đất, theo dõi bão và cải thiện các nỗ lực phản ứng và phục hồi sau thảm họa. Làm như vậy giúp giảm thiểu tác động của thảm họa đối với con người và cơ sở hạ tầng. Mặc dù AI có nhiều lợi ích, như phản ứng nhanh hơn và phối hợp tốt hơn, nó cũng có một số thách thức. Những thách thức này bao gồm chi phí cao, lo ngại về bảo mật dữ liệu và nhu cầu về dữ liệu chính xác. Khi chúng ta giải quyết và tính đến những thách thức này, chúng ta có thể tối đa hóa tác động của AI trong việc quản lý hiệu quả các thảm họa thiên nhiên.

Để tìm hiểu thêm, hãy truy cập GitHub repository của chúng tôi và tham gia cùng community của chúng tôi. Khám phá các ứng dụng AI trong manufacturing và agriculture trên các trang giải pháp của chúng tôi. 🚀