风暴中的 AI:利用人工智能加快救灾工作

by Brian Caulfield

在生命危在旦夕、时间紧迫的情况下,管控灾害可能是 AI 要面临的艰巨挑战。

周三,来自约翰霍普金斯大学、洛克希德·马丁公司、美国国防部联合人工智能中心和 NVIDIA 的团队介绍了他们如何将 AI 应用到实际工作中,在急需支援的地方加速救灾工作。

这些团队在 GTC DC 大会上介绍了他们的工作。这次在华盛顿举行的 NVIDIA GPU 技术大会吸引了 3500 多名注册与会者(其中包括政策制定者、企业领导者和研究人员等)参加,他们共同讨论并了解了 AI 和数据科学领域的新成果。

他们在演讲中强调了 GTC DC 作为华盛顿的 AI 盛会所发挥的积极作用。他们介绍了一系列新成果,并针对过去几年发生的灾害进行了详细说明,以便政策制定者和现场急救人员利用 AI 的优势。

使用卫星图像检测损坏情况

来自约翰霍普金斯大学应用物理实验室和联合 AI 中心 (JAIC) 的团队讲解了他们如何使用 GPU 驱动的深度学习算法处理航空和卫星图像数据,进而跟踪大型风暴造成的损坏。

演讲者包括软件工程师 Beatrice Garcia 和高级工程师 Gordon Christie,他们都来自该大学的应用物理实验室,同时还包括 JAIC 的项目负责人 Dominic Garcia 上尉。

虽然他们的工作尚未在灾区部署,但他们的目标是创建 AI 系统,通过利用卫星和航空图像以及其他数据,引导现场急救人员、军队和政府决策者以及分析师找到急需救援的地方。

此类图像将帮助现场急救人员一目了然地查看应在哪里部署资源,Christie 一边说一边展示了一张 AI 增强型地图,其中评估了 2011 年龙卷风对密西西比州乔普林市造成的损害。

该实验室和 JAIC 已将深度学习算法应用于从空中平台收集的大量强烈风暴的图像,以加速检测洪水和受损的基础设施。

根据他们开发的算法和学习的技术,联合团队现在正在创建可扩展环境,以便向任何分析人员提供这些功能。用户可以访问 AI 和机器学习算法,从而更快地对各种自然灾害做出响应。

洛克希德·马丁公司使用地震模拟进行准备

Andrew Walsh 是洛克希德·马丁公司的高级资深系统工程师,他说明了该公司如何构建用于训练 AI 的开放数据集,以便更好地应对地震灾害。

洛克希德·马丁公司接下来解释了他们与 NVIDIA 团队的合作项目,该项目旨在为多平台、多传感器机器学习研究和开发构建开放式数据集。

他们正在通过结合现实世界的数据收集事件和模拟来开发专注于人道主义援助和救灾的数据集。当前的重点在于地震场景。

洛克希德·马丁公司的高级资深系统工程师 Andrew Walsh 和 NVIDIA 的高级解决方案架构师 May Casterline 一起阐述了他们如何在一系列模拟地震场景中设计包含多个传感器、飞机、地面车辆和演员团队的现实世界的收集事件。他们还详细说明了在时空上对齐所有不同数据源所需的工作,并介绍了在标记如此大型的数据集时所面临的挑战。

他们的数据集将用于训练 AI 和机器学习系统,以提高对真实地震的响应能力。

利用数据科学进行灾害规划

周三下午晚些时候,Disaster Intelligence 总裁 Sean Griffin 谈到了该公司在灾害预防和响应方面的做法。这家位于华盛顿的公司正致力于创建一个通用的 Web 平台,以收集与自然和人为灾害相关的数据集,然后以图形的形式进行显示。

用户(从现场急救人员到普通公民)可以访问数据,以便在发生灾害前后做出更科学的决定。

Griffin 说:“我们习惯于通过 PDF 或 SharePoint 站点分享对形势的感知。”但高性能计算可让您使用更相关的数据向更多的受众提供新消息。

“作为一家公司,我们的目标是在整个美国实现完全覆盖,将电力中断的数据都存储在我们的平台中,这样一来,我们不仅能知道停电区域,还可以将这些信息与其他关键兴趣点(比如医疗设施或供水系统)相结合。”

Griffin 展示了两个用例。第一个用例展示了 Disaster Intelligence 的平台如何针对不同的救灾策略对结果、成本和选项进行建模。第二个则解释了该平台如何在飓风期间改善沿海地区的疏散工作。

使用 RAPIDS 进行路线规划

NVIDIA 将举办一场在线研讨会,介绍该公司的 GPU 加速数据科学软件堆栈 RAPIDS 如何帮助加快民用和军事灾救灾物资的路线规划流程。如需注册参加 12 月 17 日上午 10 点(太平洋时间)召开的在线研讨会,请点击此处