Дрони зі штучним інтелектом зможуть швидше знаходити туристів, що заблукали

Безпілотники вже використовують у пошуково-рятувальних операціях, але планування маршрутів їхнього пошуку — це скоріше мистецтво, ніж наука. Штучний інтелект зміг би це змінити.

Якщо турист заблукав у важкопрохідному нагір’ї Шотландії, рятувальні команди іноді запускають безпілотник, щоб знайти сліди, що вказують на його маршрут, — витоптана трава, втрачений одяг, обгортка від їжі. При цьому важливо правильно визначити область для пошуку, враховуючи велику місцевість і обмежений час роботи пристрою.

Традиційно досвідчені оператори використовують для цього інтуїцію та статистичну «теорію пошуку» — стратегію, яка використовувалася для виявлення німецьких підводних човнів за часів Другої світової війни. Ян-Хендрік Еверс та його команда з Університету Глазго вирішили перевірити, чи зможе система машинного навчання працювати ефективніше.

Еверс виріс у Шотландії, де займався лижним спортом та пішим туризмом, тому ясно розуміє складнощі, пов’язані з рятувальними операціями у цих місцях.

«У дитинстві мені не було чим зайнятися, крім як проводити час на свіжому повітрі або сидіти за комп’ютером», — говорить він. — У результаті я багато займався і тим, і іншим».

Для початку Еверс взяв набір даних, пов’язаних із пошуково-рятувальними операціями по всьому світу. Тут можна було знайти вік зниклого, чи займався він полюванням, верховою їздою чи пішим туризмом, чи страждав він на деменцію, а також де його в результаті виявили — біля води, у будівлі, у відкритій місцевості, під деревом чи на дорозі.

Дослідник навчив на наборі даних модель штучного інтелекту та завантажив у неї геодані Шотландії. Модель запускає мільйони симуляцій, щоб виявити маршрути, якими зникла людина, та куди б швидше за все, пішла у даних конкретних обставинах. В результаті виходить розподіл ймовірностей — свого роду теплова карта — яка і вказує на пріоритетні області пошуку.

За допомогою такої карти команда продемонструвала, що глибоке навчання допоможе розробити ефективніші маршрути для пошукових дронів. У дослідженні, опублікованому минулого тижня на arXiv, яке ще не пройшло експертну оцінку, команда протестувала свій алгоритм на двох найпоширеніших схемах пошуку:

  • «газонокосарка» — безпілотник прочісує цільову область, рухаючись смугами,
  • і алгоритм, схожий алгоритм Еверса, але менш просунутий у плані роботи з картами розподілу ймовірностей.

У ході віртуального тестування алгоритм Еверса обійшов обидва підходи за двома ключовими метриками: дистанцією, яку дрону доведеться пролетіти, перш ніж знайти зниклу людину, і ймовірності, що людина буде виявлена.

Прочісування місцевості та наявний алгоритмічний підхід допомагали знайти людину у 8% та 12% випадків відповідно. Підхід, запропонований Еверсом, показав ефективність 19%. Якщо система виявиться успішною у реальних умовах, вона зможе прискорити час реагування та врятувати більше життів у ситуаціях, коли на рахунку кожна хвилина.

Експерти вважають, що глибоке навчання дозволить розробити ефективніші маршрути та швидше знаходити зниклих в умовах дикої природи, залежно від того, наскільки середовище підходить для пошуку з дронами (наприклад, дослідити густий лісовий масив складніше, ніж чагарники).

Але не варто забувати про нюанси. Успіх такого алгоритму планування залежатиме від точності карток ймовірностей. І якщо надто на них покладатися, є ризик, що оператори безпілотників витратить надто багато часу, вивчаючи не ті райони.

Еверс каже, що наступний важливий крок – отримати якнайбільше даних для навчання. Для цього він сподівається використовувати для моделювання дані GPS, отримані під час пізніших рятувальних операцій. По суті, це дозволить моделі зрозуміти зв’язок між місцем, де людину бачили востаннє, і місцем, де вона в результаті була знайдена.

Однак записи про операції не завжди є настільки докладними, щоб з ними можна було працювати.

«Якщо алгоритм працює не краще, ніж людина, ви потенційно ризикуєте чиїмось життям» — пояснює Еверс.

Безпілотні літальні апарати стають все більш поширеними у світі пошуково-рятувальних робіт. Але це ще відносно нова технологія, і правила, що регулюють її використання, все ще перебувають у стадії зміни.

У США, наприклад, БПЛА постійно повинні бути в полі зору оператора. Тим часом у Шотландії операторам заборонено перебувати на відстані понад 500 м від безпілотника. Ці правила призначені для того, щоб уникнути нещасних випадків, наприклад, падіння безпілотника та створення небезпеки для людей, але в надзвичайних ситуаціях такі правила серйозно обмежують можливості наземних рятувальників з пошуку доказів.

«Часто проблема пов’язана не з технічною стороною, а регулюванням, — каже Ковар. — Дрони здатні робити набагато більше за те, що нам дозволено з ними робити».

Еверс сподівається, що такі моделі, як його дозволяє ще більше розширити можливості безпілотників. На цей момент він веде перемовини з підрозділом повітряної підтримки поліції Шотландії, щоб дізнатися, що потрібно для тестування та розгортання його системи в реальних умовах.

БІЛЬШЕ ЦІКАВОГО:

Джерело: MIT

Читайте также:

Чат-бот, який дозволяє спілкуватися з 60-річною версією себе

Онлайн-шахрайство може перетворитися на битву між штучними інтелектами

У Швейцарії створили біокомп’ютер із людських тканин

52% відповідей ChatGPT щодо програмування неправильні — дослідження