Nermin Ali
Hala birçok gizeminin bilim tarafından bilinmediği bir dünyada, afetlerden kurtulma umutları yetkililer, kurtarma ekipleri ve akıllı sistemlere bağlı kalıyor.
Felaket durumunda, krizle anında başa çıkma, yaralıları tahliye etme ve mahsur kalanları kurtarma ön planda.
Kimi insanlar yapay zeka sistemlerinin topladıkları verilere dayanarak felaketleri gerçek zamanlı olarak tahmin etmelerini umut etse de uzmanların tüm çabalarına rağmen günümüzde yapay zeka, olayları kesin bir şekilde tahmin etme yeteneğine sahip değil.
Uzmanların bu yönde çalışmaları devam ediyor, ancak daha önemli olan, felaketler sırasında ve sonrasında kullanılabilmesi ve bazen felaketlerden kısa bir süre önce kullanılabilmesi.
Ayrıca, yapay zeka sistemlerinin sürekli ihmal edilen veya arıza gösteren bölgelerde güvenlik önlemleri alınması gerektiğine dair önemli ipuçları sağladığı ve bu şekilde maddi zararları ve ölümleri azalttığı biliniyor.
Afet riskinin azaltılması
Afet Riskinin Azaltılması (DRR) veya diğer adıyla Afet Risk Yönetimi (DRM) terimi, afet risklerini belirlemeyi değerlendirmeyi ve azaltmayı amaçlayan sistemli bir yaklaşım olarak tanımlanır.
Temel olarak DRR, felaketlere karşı toplumsal ve ekonomik zayıflıkları azaltmayı hedefler ve özellikle çevresel riskler gibi felakete yol açan risklerle başa çıkmayı amaçlar.
Birleşmiş Milletler Afet Risklerini Azaltma Ofisi (UNDRR) ve Birleşmiş Milletler Kalkınma Programı (UNDP) tarafından tanımlandığı gibi DRR, yeni afet risklerini önlemeyi, mevcut afet risklerini azaltmayı ve diğer riskleri yönetmeyi hedefler.
Bu, esnekliği artırır ve dayanıklılığı sağlar ve böylece sürdürülebilir kalkınmayı teşvik eder.
Yapay zekanın altın çağını yaşadığımız bir dönemde, yapay zeka sistemlerinin bu alanda neler sunabileceği önemli.
Bu sistemler, karar vericilere felaket risklerini azaltma konusunda doğru kararlar alabilmeleri için gerekli araçlar ve bilgileri sağlayabilirler mi?
DAHA FAZLA OKU
Yapay zeka ve afetler
Yapay zeka, afetlerin yönetimi ve etkilerinin azaltılması amacıyla afet yönetimi alanında ortaya çıktı.
Bu alan, felaketlerin riskli olaylarını veri toplama ve analiz etme yeteneği ile kullanmaya başladı.
Bu başlangıç, yapay zeka sistemlerinin açık kaynaklardan topladığı verilere dayalı olarak tehlikeli olayları tahmin etme girişimleriyle başlar ve sonunda bu amaç için özel olarak üretilen modern otomatik sistemleri kullanır.
Ayrıca, gerçek zamanlı felaketleri tespit etmek ve hızlı önlemler almak için risk haritaları oluşturur.
Yapay zeka yöntemleri, veri izleme için önceden işlenmiş verileri ve işlenmiş model çıktılarını kullanarak doğal felaketler, jeolojik felaketler, hidrolojik felaketler, çığlar, toprak kaymaları, volkanik patlamalar, seller, tsunamiler, orman yangınları ve doğal olmayan felaketler gibi çeşitli olaylarda erken uyarı yapma gibi yeni uygulamalarla ilgili yeni fırsatlar sunar.
Örneğin, sel olaylarını tespit etmek için, su toplama alanındaki değişiklikleri izlemek ve algılamak için karmaşık bir sensör ağı kurulur.
Bu, ani sel felaketlerinin neredeyse hiç önceden uyarı olmaksızın ortaya çıkmasının oluşturduğu ciddi tehlikeler göz önüne alındığında büyük bir öneme sahiptir.
Yapay zeka ayrıca hava durumu ve iklim tahmini yapmanın ötesinde, belirli bir konumda ve belirli bir günde bir olayın gözlemlenme olasılığını tahmin etmek için uzmanlar tarafından kullanılıyor.
Bu, çevresel koşulları izleyerek bir olayın gözlemlenme olasılığını tahmin eden bir araç oluşturmak amacıyla kullanılıyor.
Bu model, olaya özgü uzman merkezlerden gelen veri ve gözlemleri kullanarak riskin yüksek olduğu günleri belirleyebilir.
Ayrıca, yapay zeka, doğal felaketler ve acil durumlar sırasında sahada çalışan kurumlar arasında etkili iletişim sağlamak için kullanılır.
Yapay zeka, doğal felaketlere müdahale eden ekiplere, riskleri değerlendirmelerine ve öncelikleri belirlemelerine yardımcı olabilecek verileri sunar.
Yapay zekanın en iyi şekilde nasıl yardımcı olabileceği konusunda optimize edilmiş bir yaklaşımın araştırılması konusunda sürekli olarak çalışılıyor.
Risk haritaları
Yapay zeka, deprem, volkan, heyelan, su baskını ve tsunami gibi belirli bir riske maruz kalan alanlara ışık tutan bir harita türü olan risk haritaları da oluşturabilir.
Doğru kullanıldığında bu sistemler, belirli tehlikelere maruz kalmaktan kaçınarak veya bunların potansiyel olumsuz etkilerini etkisiz hale getirerek hayat kurtarabilir ve maddi kayıpları azaltabilir.
Örneğin, Jeolojik Araştırma Kurumu tarafından oluşturulan bir risk haritası, riskli bölgelerde yaşayan insanlar için sigorta ayarlamalarını düzenlemek için sigorta kuruluşları tarafından kullanılabilir.
Ayrıca, sel risk haritaları, sigorta primlerini belirlemekte kullanılabilir ve bireylere belirli bir bölgede yaşamanın risklerini anlamalarına yardımcı olabilir.
Bu haritalar ayrıca bir bölgedeki yaşam risklerini belirlemede de yardımcı olabilir ve insanlara olası tehlikeleri fark etmelerine yardımcı olur, bu da durumsal farkındalık olarak adlandırılan bilgilerin sağlanması anlamına gelir.
Sonuç olarak, farklı kaynaklardan gelen verilere doğru zamanda yönetim, yatırım ve erişim sürecindeki başarı, afet yönetimi sürecindeki başarının önemli bir parçası olarak değerlendirilebilir.
Independent Arabia - Independent Türkçe
Şili'deki Atacama Büyük Milimetre/Milimetre Altı Dizisi (ALMA) radyo teleskoplarından elde edilen veriler, bu görüntüde Sagittarius A* çevresindeki soğuk gazın dağılımını gösteriyor (X-ışını: NASA/CXC/Northwestern Uni./M. Gorski; Radyo: ESO/NAOJ/NRAO/ALMA; Görüntü işleme: NASA/CXC/SAO/K. Arcand ve P. Edmonds)
Samanyolu'nun merkezini gösteren bu bileşik görüntü, Atacama Büyük Milimetre/Milimetre Altı Dizisi radyo teleskoplarından elde edilen verilerle NASA'nın Chandra X-Işını Gözlemevi'nin verilerinin birleştirilmesiyle oluşturuldu (ALMA [ESO/NAOJ/NRAO] /S. Longmore ve ekip arkadaşları. Arkaplan: ESO/D. Minniti ve ekip arkadaşları)
NASA'nın Chandra X-Işını Gözlemevi'nden elde edilen veriler, kara deliğin çevresindeki bölgeyi gösteriyor (X-ışını: NASA/CXC/Northwestern Uni./M. Gorski; Radyo: ESO/NAOJ/NRAO/ALMA; Görüntü işleme: NASA/CXC/SAO/K. Arcand ve P. Edmonds)
