الذكاء الاصطناعي
كيف يُحوِّل الذكاء الاصطناعي عملية التعافي من الكوارث بعد الأعاصير
كيف يُحسّن الذكاء الاصطناعي التعافي من الكوارث الطبيعية
عندما تضرب الكوارث الطبيعية، الحاجة الفورية هي إنقاذ السكان المحليين وإعادة البنية التحتية إلى حالة تشغيلية، خاصة الطاقة، المياه العذبة، والرعاية الصحية.
هذا يصبح مشكلة متزايدة، حيث إن تكلفة هذه الأحداث في تزايد مستمر خلال العقد الماضي، نتيجة لتغير المناخ والزيادة السكانية.
المصدر: Spire
مع ذلك، فإن التعافي الحقيقي للمجتمع يستغرق وقتًا أطول بكثير، حيث إن تقييم الأضرار ثم إعادة البناء يستغرق شهورًا، إن لم يكن سنوات.
غالبًا ما يتأخر ذلك بسبب العبء الهائل من المشكلات التي يجب تحديدها وتقييمها بشكل صحيح. يمكن أن يستغرق الفحص الفردي لكل مبنى الكثير من الوقت، خاصة إذا كانت شركات التأمين، وخدمات الطوارئ، وأصحاب المصلحة الآخرون يعانون من نقص في الأفراد.
“التفتيش الميداني اليدوي يتطلب جهدًا كبيرًا ويستغرق وقتًا طويلاً، مما يؤدي غالبًا إلى تأخير الجهود الاستجابة الحرجة.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
يمكن أن يتغير ذلك الآن بفضل تكنولوجيا الذكاء الاصطناعي. طور باحثان في جامعة تكساس إيه آند إم نظامًا للذكاء الاصطناعي يستخدم الاستشعار عن بُعد، التعلم العميق، ونماذج الاستعادة لتوقع تقييمات أضرار الأعاصير والتعافي بدقة في أقل من ساعة.
يمكن أن تساعد هذه الطريقة في تنظيم جهود التعافي بشكل أفضل، وقد نُشرت في مجلة Sustainable Cities and Society1 تحت عنوان “تقييم الأضرار الآلية للمباني بعد الأعاصير وتنبؤ التعافي من خلال دمج الاستشعار عن بُعد، التعلم العميق، ونماذج الاستعادة”.
“تستخدم طريقتنا صور الاستشعار عالية الدقة وخوارزميات التعلم العميق لتوليد تقييمات الأضرار خلال ساعات، مما يزود المستجيبين الأوائل وصانعي السياسات بمعلومات قابلة للتنفيذ على الفور.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
دمار الأعاصير: تهديد متزايد في الولايات المتحدة
المصدر: Weather and Radar
على سبيل المثال، في ربيع 2011، دمر جوبلين، ميسوري، إعصار EF5 مع رياح تقدر بأكثر من 200 ميل في الساعة (321 كلم/ساعة). أسفر العاصفة عن مقتل 161 شخصًا، وإصابة أكثر من 1,000، وتدمير وحرق حوالي 8,000 منزلًا ومؤسسة. شق الإعصار مسارًا بعرض ميل واحد عبر المنطقة الجنوبية المركزية المكتظة بالسكان في المدينة، مخلفًا وراءه أميالًا من الأنقاض المتناثرة وتسبب بأضرار تزيد عن 2 مليار دولار.
في هذا الشهر فقط، دمرت أعاصير مميتة العديد من المنازل وتسببت بأضرار جسيمة في الغرب الأوسط والجنوب الأمريكي.
من المحتمل أن يستغرق الأمر وقتًا طويلاً لفهم الحجم الكامل للأضرار التي تسببت بها هذه الأعاصير. وهنا يعتقد باحثو جامعة تكساس إيه آند إم أنهم يمكن أن يساعدوا.
التحديات في تقييم أضرار ما بعد الأعاصير
بعد مثل هذا الحدث، يكون الإجراء القياسي هو حضور مجموعة من المستجيبين الأوائل، مخططي المدن، وخبراء التأمين لتقييم الدمار وكيفية الرد عليه.
هذا صحيح بشكل خاص مع الأعاصير، حيث إن الرياح والأشياء الثقيلة التي ترفعها يمكن أن تدمر حتى أقوى المباني.
“عادةً ما تكون مسوحات أضرار ما بعد الكارثة مستهلكة للوقت وتتطلب جهدًا كبيرًا، حيث تركز بشكل أساسي على تحسين النماذج والشفرة باستمرار بدلاً من التحديثات الفورية والسريعة.”
تم اتخاذ بعض الخطوات الأولية لاستخدام البيانات الموجودة لتحليل أضرار ما بعد الكارثة، لا سيما أنظمة المعلومات الجغرافية (GIS)، التي تجمع بين طبقات متعددة من البيانات حول موقع معين.
لكن الطريقة التي تُستخدم بها هذه البيانات غالبًا ما تكون غير كافية لتوفير تقييمات دقيقة. كما أنها تتطلب الكثير من التدخلات اليدوية والحكم البشري لتتحول إلى مقاييس قابلة للاستخدام. هنا يمكن أن يساعد إضافة معلومات إضافية والذكاء الاصطناعي.
نموذج مدعوم بالذكاء الاصطناعي لتقييم الأضرار والتعافي
دمج الموارد الحالية مع الذكاء الاصطناعي
جمع الباحثون بين ثلاث أدوات مختلفة: الاستشعار عن بُعد، التعلم العميق، ونمذجة الاستعادة.
لتقييم الأضرار الفورية والتغييرات بعد الكارثة بشكل أفضل، استخدموا الاستشعار عن بُعد مثل صور الأقمار الصناعية أو الجوية عالية الدقة.
“هذه الصور حاسمة لأنها توفر رؤية على نطاق واسع للمنطقة المتأثرة، مما يتيح اكتشاف الأضرار بسرعة وعلى نطاق واسع.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
ثم، طرق التعلم العميق تم استخدامها لتحليل هذه الصور تلقائيًا لتحديد شدة الضرر بدقة.
تم تدريب الذكاء الاصطناعي على آلاف الصور من الكوارث السابقة وتعلم التعرف على العلامات المرئية للضرر مثل الأسقف المنهارة، الجدران المفقودة، والحطام المتناثر. ثم يصنف كل مبنى إلى فئات مثل لا ضرر، ضرر متوسط، ضرر كبير، أو مدمر.
العنصر الأخير هو نمذجة الاستعادة. جزء من ذلك هو استخدام بيانات حول تفاصيل البنية التحتية وعوامل المجتمع، مثل مستويات الدخل أو الوصول إلى الموارد.
جزء آخر هو استخدام نماذج التعافي القائمة والمجربة لتقدير المدة التي قد تستغرقها المنازل والأحياء للتعافي تحت ظروف تمويل أو سياسات مختلفة.
هذا يغيّر تمامًا طريقة إجراء تقييم الأضرار:
- يوفر الاستشعار عن بُعد نظرة فورية على الوضع بأكمله.
- يمكن لنموذج الذكاء الاصطناعي تحليل هذه البيانات في أقل من ساعة، مقارنة بالأشهر التي يستغرقها البشر على الأرض لإجراء تقييم الأضرار.
- تحول نمذجة الاستعادة تقييم الذكاء الاصطناعي إلى مقاييس قابلة للتنفيذ لتحديد المناطق التي تحتاج إلى أكبر قدر من المساعدة وما هي الموارد المطلوبة.
“في النهاية، يربط هذا البحث الفجوة بين تقييم الكوارث السريع والتخطيط الاستراتيجي للتعافي على المدى الطويل، مقدماً إطارًا مستنيرًا بالمخاطر ولكنه عملي لتعزيز القدرة على الصمود بعد الأعاصير.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
التحقق من صحة نموذج الذكاء الاصطناعي باستخدام بيانات الأعاصير الواقعية
للتحقق من صحة هذا النهج، رجع الباحثون إلى كارثة إعصار جوبلين عام 2011.
تم توثيق هذا الحدث على نطاق واسع، مما خلق مجموعة بيانات غنية يمكن استخدامها كاختبار خلفي لنظام الذكاء الاصطناعي. يمكن مقارنة التقييمات المحسوبة مع تقييمات الأضرار الواقعية التي تم إجراؤها على الأرض في ذلك الوقت.
وأثبتت النتائج التي أنشأها الذكاء الاصطناعي قربها الملحوظ من البيانات التاريخية. كما وفرت سجلًا لكيفية تطور الكارثة.
“كان أحد أكثر الاكتشافات إثارة للاهتمام هو أنه، بالإضافة إلى اكتشاف الأضرار بدقة عالية، تمكنا أيضًا من تقدير مسار الإعصار.
من خلال تحليل بيانات الأضرار، استطعنا إعادة بناء مسار الإعصار، الذي طابق السجلات التاريخية بشكل وثيق، مقدماً معلومات قيمة حول الحدث نفسه.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
توسيع نموذج الذكاء الاصطناعي إلى كوارث طبيعية أخرى
بينما تم تطويره واختباره للضرر الناجم عن الأعاصير، يمكن نشر هذه الطريقة في حالات أخرى، مثل الأعاصير والزلازل، طالما أن الأقمار الصناعية تستطيع اكتشاف أنماط الضرر.
قد تكون هذه القيد أقل إشكالية مما كان متوقعًا في البداية، حتى وإن كانت أضرار الزلازل، على سبيل المثال، أقل وضوحًا من السماء مقارنة بالأسطح المنهارة. ذلك لأن النموذج يتعلم من أمثلة واقعية، وغالبًا ما نرى الذكاءات الاصطناعية قادرة على اكتشاف أنماط لا يراها الإنسان.
“يكمن مفتاح قابلية تعميم النموذج في تدريبه على استخدام صور سابقة من مخاطر محددة، مما يتيح له تعلم أنماط الضرر الفريدة المرتبطة بكل حدث.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
على الأقل، يبدو أن النموذج سيتطابق جيدًا مع كارثة شائعة أخرى في الولايات المتحدة: الأعاصير.
“لقد اختبرنا بالفعل النموذج على بيانات الأعاصير، وأظهرت النتائج إمكانات واعدة للتكيف مع مخاطر أخرى.” Abdullah Braik – طالب دكتوراه في الهندسة المدنية بجامعةتكساس A&M
يتطابق هذا مع تطبيق آخر للذكاء الاصطناعي في هذا المجال، حيث أصبحت توقعات الأعاصير الأفضل واقعًا الآن، بما في ذلك مع أنظمة الذكاء الاصطناعي مثل Graphcast، Spire، وClimavision.
يمكن أن يكون امتداد آخر لهذا البحث هو الانتقال إلى ما بعد تقييم الأضرار. يمكن استخدامه لإنشاء تحديثات فورية حول تقدم التعافي وتتبع التعافي بمرور الوقت.
يمكن لهذا النوع من التغذية الراجعة الآلية المدفوعة بالذكاء الاصطناعي أن يوجه السياسات ويُحسّن جهود إعادة البناء.
الاستثمار في بيانات الأقمار الصناعية والذكاء الاصطناعي
Spire
SPIR مخطط السعر
Spire هي شركة بيانات فضائية تدير أكبر مجموعة متعددة الأغراض من الأقمار الصناعية في العالم تحت يد خاصة.
الشركة تركز بشدة على بيانات الطقس, وتستطيع أقمارها الصناعية التقاط صور في أطياف متعددة، مما يوفر صورة أكثر غنىً بالبيانات لموقع معين.
على سبيل المثال، صور أقمارها الصناعية لقياس الرطوبة دقيقة حتى 100م ويمكن أن يستخدمها المزارعون، ولكن أيضًا شركات التأمين، تجار السلع، وكالات مراقبة البيئة، شركات البناء، والمهندسون المدنيون لفهم حالة التربة وإنتاجية الزراعة المستقبلية بشكل أفضل.
المصدر: Spire
تقدم الشركة بناء مجموعة أقمار صناعية مملوكة لعميلها باستخدام منصة أقمار LEMUR.
المصدر: Spire
الشركة نشطة أيضًا في مجال الأمن، لا سيما من خلال عرضها للطيران المتعلق بنظام المراقبة التلقائي التابع (ADS-B)، الذي يستخدم نظام GPS لتحديد سرعة الطائرة، موقعها، ومعلومات أخرى عن الطائرة.
في الوقت نفسه، تم اختيار Spire لعقد بقيمة 237 مليون دولار مع قوة الفضاء الأمريكية لتصميم، بناء، دمج، وتشغيل حافلات أقمار صناعية صغيرة لتجارب الفضاء من الجيل التالي.
كما كانت نشطة في صناعة البحرية، حيث تُستخدم أقمارها لتتبع السفن، لكن هذا الفرع من الشركة تم الاستحواذ عليه من قبل Kpler في أبريل 2025.
فيما يتعلق بالذكاء الاصطناعي، تتعاون Spire مع NVIDIA (NVDA ) لدمج جميع بيانات الراديو أُكُلتيشن (RO) ودمج البيانات المملوكة (DA) الخاصة بـ Spire في NVIDIA‘s Earth–2 Cloud APIs.
“إن مواءمة بيانات Spire المملوكة وتغطية الطقس العالمية الفريدة مع تكنولوجيا NVIDIA المتقدمة وخبرتها يضعنا في موقع يمكننا من رفع دقة توقعات الطقس بشكل ملحوظ. سيساعد هذا التعاون في ضمان أن عملائنا ليسوا مجرد مطلعين بل ممكَّنين لاتخاذ إجراءات استباقية لمواجهة المشهد المناخي المتطور.” Michael Eilts – مدير عام للطقس والمناخ فيSpire
بشكل عام، Spire هي شركة بيانات تحتضن الجمع بين صور الأقمار الصناعية والذكاء الاصطناعي لتوفير توقعات طقس أفضل، تنبؤات زراعية، تتبع الطائرات، وحتى أغراض دفاعية.
إنها الآن تصل إلى حجم يمكن أن يصبح مربحًا، وهو نقطة تحول محتملة مهمة للمستثمرين، وربما لن تحتاج إلى جمع أموال إضافية كثيرة بعد تحقيق إيرادات إجمالية ناجحة بقيمة 40 مليون دولار من بيع أسهم جديدة في الربع الأول من 2025.
المصدر: Spire
أحدث Spire (SPIR) أخبار السهم والتطورات
الدراسة المُشار إليها:
1. Abdullah M. Braikand Maria Koliou. تقييم الأضرار الآلية للمباني بعد الأعاصير وتنبؤ التعافي من خلال دمج الاستشعار عن بُعد، التعلم العميق، ونماذج الاستعادة. Sustainable Cities and Society. المجلد 123، 1 أبريل 2025، 106286. https://doi.org/10.1016/j.scs.2025.106286
