هوش مصنوعی با تخمین تراکم جمعیت، اقدامات بشردوستانه مؤثرتری را ممکن می سازد


هوش مصنوعی اقدام انسان دوستانه موثرتری را امکان پذیر می کند

اعتبار: Ecole Polytechnique Federale de Lozanne

محققان EPFL و ETH زوریخ با همکاری کمیته بین‌المللی صلیب سرخ (ICRC) و دانشگاه بن خلیفه (قطر)، برنامه‌ای را توسعه داده‌اند که می‌تواند تخمین‌های تراکم جمعیت را با دقتی بی‌نظیر ایجاد کند و تنها به یک تخمین تقریبی نیاز دارد. سطح منطقه ای برای یادگیری

در اکثر کشورهایی که کمیته بین‌المللی صلیب سرخ در آنها فعالیت می‌کند – چه در پاسخ به بحران یا درگیری و چه برای حمایت از بازسازی – هیچ داده سرشماری به‌روزی در دسترس نیست. و در جاهایی که سرشماری انجام می شود، اغلب در نتیجه رشد سریع جمعیت و تغییرات جمعیتی، به سرعت منسوخ می شوند.

اما زمانی که کارگران بشردوستانه نیاز به بازگرداندن آب، توزیع غذا یا ارزیابی امکان‌سنجی یک برنامه پیشگیری دارند، اگر بدانند تعداد افراد در یک منطقه معین چند نفر هستند، می‌توانند بسیار کارآمدتر کار کنند. به همین دلیل مهندسان EPFL و ETH زوریخ با ICRC همکاری کردند تا یک برنامه مبتنی بر هوش مصنوعی به نام Pomelo توسعه دهند.

این نرم‌افزار مجموعه‌های بزرگی از داده‌های عمومی را از سیستم‌های سنجش از دور جمع‌آوری می‌کند – مانند داده‌های تعداد ساختمان‌ها، میانگین اندازه‌های ساختمان، نزدیکی به جاده‌ها، نقشه‌های راه و روشنایی شبانه – و آنها را بر اساس وزن‌هایی که توسط یک شبکه عصبی آموخته شده است، جمع‌آوری می‌کند. پوملو با موفقیت در چندین کشور آفریقایی آزمایش شده است و نتایج فوق العاده دانه ای را در سطحی به کوچکی یک هکتار ایجاد می کند. یافته های محققان در گزارش های علمی.

دقت تا نزدیکترین هکتار

اگرچه چندین روش نقشه برداری جمعیت در حال حاضر وجود دارد، هیچ یک از آنها نمی توانند برآوردهایی با دقت مورد نیاز برای عملیات های بشردوستانه، برنامه ریزی شهری و نظارت بر محیط زیست ایجاد کنند. این روش‌ها عموماً یا با برون‌یابی داده‌های حاصل از بررسی‌های دقیق اما محلی به‌منظور پوشش مناطق بزرگ‌تر یا با گرفتن داده‌های جغرافیایی در دسترس (مانند تصاویر هواپیماهای بدون سرنشین و ماهواره‌ای) که در مناطق بزرگ به‌دست می‌آیند و تفکیک آن‌ها بر اساس معیارهای مختلف کار می‌کنند. دستیابی به وضوح بسیار بهتر

کمیته بین‌المللی صلیب سرخ در حال حاضر از نرم‌افزاری استفاده می‌کند که بر ردپای ساختمان تکیه دارد. Thao Ton-That Whelan، مدیر پروژه در ICRC می گوید: “اما نرم افزار ما عوامل دیگری مانند نحوه استفاده از ساختمان ها را در نظر نمی گیرد.” “این مهم است زیرا نوع کمک مورد نیاز در یک منطقه خاص بستگی به این دارد که مثلاً یک منطقه صنعتی، اداری یا مسکونی باشد.”

پروفسور دیویس تویا، که ریاست آزمایشگاه علوم محاسباتی محیطی و رصد زمین EPFL را بر عهده دارد، می افزاید: “چند برنامه دیگر مبتنی بر هوش مصنوعی وجود دارد، اما همه آنها برای شروع یادگیری به شمارش دقیق سرشماری نیاز دارند که سپس آنها را اصلاح می کنند. ما فقط به برآوردی از جمعیت در سطح منطقه ای درشت نیاز داریم.”

پوملو تحت ابتکار عمل بشردوستانه مهندسی توسعه داده شد – مشارکتی بین EPFL، ETH زوریخ و ICRC برای استفاده از فناوری جدید و دانش مهندسی به منظور بهبود زندگی افراد نیازمند. هدف پوملو ایجاد یک برنامه هوش مصنوعی بود که می‌تواند نقشه‌های جمعیتی دقیقی را برای زمین‌های مجزا به ابعاد یک هکتار یا 100 متر طول و 100 متر عرض تولید کند. برنامه آنها می تواند چنین دقتی را به لطف مجموعه داده های عمومی که از آن استخراج می کند ارائه دهد.

تست شده در تانزانیا، زامبیا و موزامبیک

به عنوان مثال، بر اساس داده های باز برای یک ساختمان معین، پوملو می تواند جمعیت ها را به طور منطقی با توجه به کاربری آن تخمین بزند. تویا می‌گوید: «برای مثال، ساختمان‌ها در مناطق شهری نسبت به حومه شهرها بلندتر هستند و افراد بیشتری در مناطقی زندگی می‌کنند که نور شبانه بیشتری وجود دارد».

“همه این اطلاعات به تخمین های دقیق تر از تراکم جمعیت کمک می کند. در ابتدا، ما استفاده از داده های رسانه های اجتماعی را در نظر گرفتیم، اما بعد متوجه شدیم که این برنامه ها به اندازه کافی در مناطق بحرانی، به ویژه در مناطق روستایی استفاده نمی شوند.”

مهندسان برنامه خود را با داده های چندین کشور آفریقایی از جمله تانزانیا، زامبیا و موزامبیک – کشورهایی که صلیب سرخ نیز در آنها فعالیت می کند – آزمایش کردند. آنها از Pomelo برای تولید یک سری نقشه های دیجیتالی استفاده کردند که تخمین تراکم جمعیت را بر اساس هکتار نشان می دهد و نتایج را با تخمین های دیگر برنامه ها مقایسه کردند. نشان داد که پوملو از همتایان خود دقیق تر است – نه فقط در سطح هکتار، بلکه در مقیاس های بزرگتر و درشت تر، از جمله در تراکم جمعیت کم (1000 تا 2000 ساکن).

Ton-That Whelan که معتقد است پوملو برای اهداف برنامه ریزی بسیار مفید خواهد بود، می گوید: «کار با این دو دانشگاه ما را قادر ساخت تا از فناوری پیشرفته ای استفاده کنیم که لزوماً زمان یا ظرفیت توسعه آن را در ICRC نداشتیم.

“البته این محدودیت‌های خود را دارد، مانند موقعیت‌هایی که گروه‌ها به سرعت در حال حرکت هستند. و برنامه نمی‌تواند به ما بگوید که ساختمان‌ها خالی هستند یا خیر – اما ما تیم‌هایی روی زمین داریم که می‌توانند این نوع اطلاعات را در اختیار ما قرار دهند.” محققان در نظر دارند تا آوریل 2023 نسخه ای از نرم افزار با کاربری آسان را برای افراد غیرمتخصص منتشر کنند.

اطلاعات بیشتر:
Nando Metzger و همکاران، نقشه برداری ریزدانه جمعیت از شمارش درشت سرشماری و داده های جغرافیایی باز، گزارش های علمی (2022). DOI: 10.1038/s41598-022-24495-w

ارائه شده توسط Ecole Polytechnique Federale de Lozanne


نقل قول: هوش مصنوعی با تخمین تراکم جمعیت، اقدامات بشردوستانه مؤثرتری را ممکن می‌سازد (2022، 12 دسامبر) بازیابی شده در 12 دسامبر 2022 از

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.





منبع