L’intelligenza artificiale è spesso al centro del dibattito per le potenziali minacce all’umanità, ma molte ong la usano per prevedere la fame, mappare le distruzioni e portare aiuti senza esporre persone ai pericoli.
Portare cibo attraverso zone di conflitto, campi minati e aree allagate può esporre gli operatori umanitari a rischi mortali.
PUBBLICITÀ
PUBBLICITÀ
Ora le tecnologie sviluppate per controllare i rover su pianeti lontani vengono adattate per togliere gli operatori umanitari da alcune delle missioni di assistenza più pericolose al mondo.
Il progetto AHEAD, una collaborazione tra il Programma Alimentare Mondiale (WFP), il centro tedesco di ricerca aerospaziale DLR, la Croce Rossa e diversi partner tecnologici, sta sviluppando veicoli telecomandati in grado di trasportare aiuti attraverso aree considerate troppo pericolose o difficili per i camion di consegna tradizionali.
Le immagini di un sito di prova del DLR in Germania mostrano un veicolo fuoristrada SHERP che si inoltra in acque aperte e supera terreni irregolari.
I sensori analizzano il terreno davanti al mezzo, mentre un operatore lo controlla a distanza. Il veicolo può così muoversi senza nessuno al volante.
Il sistema sfrutta l’esperienza del DLR nello sviluppo di rover planetari telecomandati e autonomi, tra cui il rover MMX progettato per esplorare Phobos, una delle lune di Marte.
La stessa spinta a usare tecnologie emergenti nel lavoro umanitario va oltre la consegna fisica degli aiuti.
HungerMap Live, una piattaforma pubblica sviluppata dal Programma Alimentare Mondiale, utilizza il machine learning e dati quasi in tempo reale per monitorare l’insicurezza alimentare in oltre 95 Paesi.
Secondo l’organizzazione, lo strumento incrocia informazioni su conflitti, condizioni meteorologiche, rischi climatici e andamento economico per individuare le crisi di fame nascenti.
«Chiunque può consultarlo, HungerMap Live, su internet. Si possono ottenere dati in tempo reale e, proprio ora, stiamo persino esplorando la possibilità di prevedere la sicurezza alimentare fino a 90 giorni nel futuro», ha dichiarato Bernhard Kowatsch, direttore della divisione Global Accelerator and Ventures del WFP.
Usare l’IA per mappare un disastro
Mappe affidabili sono altrettanto fondamentali per le operazioni umanitarie. Senza informazioni su strade, edifici e centri abitati, gli operatori possono avere difficoltà a decidere dove evacuare le persone, allestire rifugi o consegnare gli aiuti.
Dopo due forti terremoti che hanno colpito il nord del Venezuela a giugno, la scarsità di dati geografici ha reso difficile valutare i danni e stabilire le priorità degli interventi.
L’Humanitarian OpenStreetMap Team afferma di aver usato il machine learning per estrarre informazioni sugli edifici dalle immagini satellitari. I volontari hanno poi esaminato le immagini tramite l’app MapSwipe, segnando le zone in cui le strutture sembravano danneggiate.
«Entro quattro giorni dal terremoto siamo riusciti a mobilitare più di 600 volontari che, sostanzialmente, facevano swipe a destra e a sinistra sull’app mobile, indicando: sì, quest’area edificata è danneggiata; no, quest’area edificata non è danneggiata», ha detto Leen D’hondt, direttrice della tecnologia e dei dati presso l’Humanitarian OpenStreetMap Team.
«E questo ha effettivamente aiutato i primi soccorritori a raggiungere le aree giuste per la distribuzione di cibo e per tutte le altre necessità di cui possiamo aver bisogno subito dopo un terremoto», ha aggiunto D’hondt.
Nonostante la velocità che l’IA può offrire, D’hondt ha spiegato che la tecnologia non eguaglia ancora la precisione del lavoro dettagliato svolto dai mappatori umani.
«La mappatura manuale garantisce ancora la migliore qualità. Tuttavia, a volte la velocità è più importante», ha detto.
«A volte è più importante sapere più o meno dove si trovano gli edifici. Non sono mappati alla perfezione, ma sappiamo quante persone vivono in quell’area. Ed è qui che oggi entrano in gioco l’IA e i modelli di machine learning.»
Malgrado i rapidi progressi, gli addetti ai lavori affermano che questi sistemi sono ancora lontani dall’essere integrati in modo sistematico nelle risposte alle emergenze in tutto il mondo.
«Al momento, nella maggior parte dei Paesi non esistono sistemi davvero integrati in questi protocolli di emergenza», ha dichiarato Monique Kuglitsch, responsabile innovazione presso il Fraunhofer Heinrich Hertz Institute.
«Ci sono eccezioni. In India esiste un sistema di allerta precoce basato sull’IA che è operativo. Anche in Europa abbiamo un sistema di previsione basato sull’IA del Centro europeo per le previsioni meteorologiche a medio termine, anch’esso operativo. Ma in molti Paesi è ancora sperimentale.»