6 ноября Техасский университет A&M представил исследование системы CrisisSense-LLM, предназначенной для анализа сообщений во время стихийных бедствий и других чрезвычайных ситуаций.
Представьте работу спасательного штаба во время урагана. На экраны поступают прогнозы погоды, сообщения о затопленных дорогах, фотографии разрушенных домов, жалобы на перебои с электричеством и просьбы эвакуировать людей. Информации становится больше с каждой минутой. Но далеко не каждое сообщение одинаково важно. Одни публикации содержат реальные сведения о происходящем, другие повторяют уже известное, третьи вообще не имеют отношения к чрезвычайной ситуации.
Исследователи из инженерного подразделения Texas A&M под руководством Бо Ли, Али Мостафави и Кая Иня предложили использовать большую языковую модель для автоматической классификации таких сообщений.
Систему обучали на материалах социальных сетей, собранных во время различных бедствий и предварительно размеченных людьми. ИИ распределяет информацию по трём основным направлениям: сведения о самом бедствии, погодные условия и гуманитарная ситуация.
Затем проводится более подробная классификация. Например, сообщение о разрушенном мосте может быть отнесено к информации о повреждении инфраструктуры, а публикация с просьбой о спасении — к категории гуманитарной помощи. Модель также определяет тип события и потенциальную информативность сообщения. Таким образом, специалистам не приходится просматривать весь поток публикаций подряд. Они получают возможность быстрее находить сведения, относящиеся к конкретной задаче.
Однако здесь существует принципиальная граница возможностей технологии. Классифицировать сообщение ещё не значит подтвердить его достоверность. ИИ может определить, что публикация содержит просьбу о помощи, но проверить, действительно ли человек находится в указанном месте и насколько велика опасность, должны другие системы и специалисты. Поэтому исследователи рассматривают разработку прежде всего как инструмент поддержки принятия решений.
Пока CrisisSense-LLM испытывали на архивных данных. Во время реальных чрезвычайных ситуаций система ещё не применялась, а её влияние на скорость и эффективность работы спасателей предстоит проверить. Следующим шагом учёные хотят создать полноценного ИИ-агента, с которым сотрудники экстренных служб смогут разговаривать на естественном языке. Например, задавать вопросы о наиболее пострадавших районах, поступающих просьбах об эвакуации или изменениях погодной обстановки. Такой помощник мог бы собирать необходимые сведения из множества источников и представлять их в удобной форме. Но ответственность за решения по-прежнему должна оставаться за людьми.
Искусственный интеллект не обязательно должен заменять человека, чтобы оказаться чрезвычайно полезным. Иногда достаточно избавить специалиста от необходимости искать важнейшую информацию среди тысяч сообщений. Ведь во время бедствия цена информационного шума измеряется не только потраченными часами.
Иногда самое ценное, что может сделать машина, — помочь человеку вовремя услышать другого человека. И если благодаря этому помощь однажды придёт быстрее, у технологии появится вполне человеческий смысл.
