Osaka Universitetinin tədqiqatçıları daşqınlardan sonra binaların zərərini sürətlə qiymətləndirmək üçün peyk şəkillərindən istifadə edən yeni bir dərin öyrənmə modeli hazırlayıblar. Bu tədqiqat bu sahədə ilk sistematik göstəricini təqdim edir və yarı-supervayz öyrənmə metodunu tətbiq edərək, etiketlənmiş məlumatların yalnız 10%-i ilə tam nəzarət performansının 74%-nə nail olur.

Yeni, yüngül çəkili dərin öyrənmə modeli olan Simple Prior Attention Disaster Assessment Net (SPADANet) əvvəlki modellərlə müqayisədə 9%-dən çox təsirli nəticə əldə edərək zərər görmüş binaların sayını əhəmiyyətli dərəcədə azaldır. Bu iş, “International Journal of Disaster Risk Reduction” jurnalında dərc edilmişdir və gələcək süni intellekt əsaslı fəlakət reaksiyası üçün mühüm dizayn prinsiplərini təqdim edir. Bu texnologiya daha sürətli və effektiv həyat qurtaran əməliyyatların həyata keçirilməsini mümkün edir.

Daşqın hadisələrindən sonra effektiv fəlakət reaksiyası üçün sürətli və dəqiq zərər qiymətləndirilməsi həyati əhəmiyyət daşıyır. Mövcud metodlar tez-tez məhdud etiketlənmiş məlumatların mövcudluğu və peyk şəkillərində daşqın zərərinin incə təbiəti ilə mübarizə aparır. SPADANet daşqınlardan sonra bina zərərini sürətlə və dəqiq qiymətləndirmək üçün nəzərdə tutulmuşdur. Bu innovativ yanaşma mövcud metodların qarşılaşdığı çətinlikləri aradan qaldıraraq, fəlakətdən sonrakı qiymətləndirmə üçün effektiv həll təklif edir.

Bu çərçivə təsvir səviyyəsində ardıcıllıq tənzimlənməsi (SSL) və peyk şəkillərində incə zərər göstəricilərinə diqqət yetirməyi istiqamətləndirən əvvəlki diqqət mexanizmi istifadə edir. SSL etiketlənməmiş məlumatlardan öyrənmə prosesini gücləndirmək üçün istifadə olunur, əvvəlki diqqət mexanizmi isə modelin diqqətini zərif zərər göstəricilərinə yönəldir. Qiymətləndirmə yeni, xüsusi olaraq hazırlanmış daşqın zərəri məlumat dəsti üzərində aparılmışdır.

SPADANet modeli, məhdud etiketlənmiş təlim məlumatları ilə belə, daşqın hadisələrindən sonra bina zərərini effektiv şəkildə müəyyən etdi. Onun əvvəlki diqqət mexanizmi ənənəvi dəyişiklik aşkar etmə modelləri tərəfindən tez-tez buraxılan incə zərəri aşkar etməkdə xüsusilə dəyərli oldu. Ənənəvi göstəricilər üzərində hərtərəfli zərər aşkarlanmasını prioritetləşdirərək, SPADANet fəlakətdən sonrakı qiymətləndirmə üçün daha praktik və təsirli yanaşma təklif edir.

Aparıcı tədqiqatçı Jiaxi Yu qeyd edir ki, "Fəlakətlərin xaosu içində süni intellektin ən vacib rolu mümkün qədər çox həyat qurtarmaq üçün sürətli məlumat təqdim etməkdir. Bu humanitar missiya bütün tədqiqat səylərimizi gücləndirir." O, bu tədqiqatın süni intellektin cəmiyyətin təhlükəsizliyinə və təhlükəsizliyinə həqiqətən töhfə verməsi istiqamətində mühüm bir addım olduğuna inanır və bu texnologiyanın dünya miqyasında fəlakətlərin aradan qaldırılması səylərində tətbiq olunacağını ümid edir.

Bu tədqiqatın qlobal miqyasda fəlakət reaksiyasını əhəmiyyətli dərəcədə yaxşılaşdırmaq potensialı var. Zərərin qiymətləndirilməsi üçün daha effektiv bir vasitə təqdim edərək, SPADANet resursların daha hədəfli və səmərəli şəkildə yerləşdirilməsinə töhfə verə bilər, nəticədə insan əzabını və iqtisadi itkiləri minimuma endirə bilər. Bu texnologiya digər təbii fəlakət növlərinə uyğunlaşdırıla və tətbiq edilə bilər, beləliklə fəlakətlərin aradan qaldırılması səylərinə potensial təsirini daha da genişləndirə bilər.