طوفان یان خانه های آنها را ویران کرد. الگوریتم ها برای آنها پول فرستادند
الگوریتمهایی که ارزیابی آسیبهای Skai را تقویت میکنند با برچسبگذاری دستی تصاویر ماهوارهای چند صد ساختمان در یک منطقه فاجعهزده که مشخص است آسیب دیدهاند، آموزش داده میشوند. سپس این نرم افزار می تواند با سرعت، ساختمان های آسیب دیده را در کل منطقه آسیب دیده شناسایی کند. یک مقاله تحقیقاتی در مورد زمینه فناوری ارائه شده در یک کارگاه آموزشی آکادمیک در سال 2020 در زمینه هوش مصنوعی برای پاسخگویی به بلایا ادعا کرد که ارزیابیهای آسیب ایجاد شده به صورت خودکار با دقت بین 85 تا 98 درصد با ارزیابیهای آسیبهای متخصصان انسانی مطابقت دارد.در فلوریدا این ماه، GiveDirectly اعلان فشاری خود را با ارائه 700 دلار به هر کاربر برنامه ارائه دهندگان با آدرس ثبت شده در محله های Collier، Charlotte و Lee Counties ارسال کرد که سیستم هوش مصنوعی گوگل بیش از 50 درصد ساختمان ها را آسیب دیده بود. تاکنون 900 نفر از این پیشنهاد استقبال کرده اند و نیمی از آنها پرداخت شده است. اگر هر گیرنده پیشنهاد GiveDirectly را بپذیرد، سازمان 2.4 میلیون دلار به عنوان کمک مالی مستقیم پرداخت خواهد کرد.برخی ممکن است نسبت به پاسخ خودکار به بلایا بدبین باشند. اما در هرج و مرج پس از رویدادی مانند طوفان که به خشکی میرسد، واکنش متعارف و انسانی میتواند بسیار عالی باشد. دیاز به تحلیلی اشاره میکند که GiveDirectly با نگاهی به کار آنها پس از طوفان هاروی، که در تگزاس و لوئیزیانا در سال 2017، قبل از پروژه با گوگل انجام شد، انجام داد. دو منطقه از سه منطقه ای که بیشترین آسیب را دیدند و از نظر اقتصادی رکود داشتند در ابتدا نادیده گرفته شدند. دیاز میگوید، رویکرد مبتنی بر داده «بسیار بهتر از چیزی است که ما از چکمههای روی زمین و تبلیغات شفاهی خواهیم داشت». رویکرد رهبری شده برای توزیع کمک توسط برخی از کارشناسان کمک در بلایا با اخطارها استقبال شده است. ریم تالهوک، محقق دانشکده طراحی و مرکز توسعه بینالمللی دانشگاه نورثومبریا در بریتانیا، میگوید که به نظر میرسد این سیستم راه کارآمدتری را ارائه میدهد. و از حیثیت گیرندگان محافظت می کند، که مجبور نیستند برای اعانه در ملاء عام صف بکشند.اما طلحوک هشدار می دهد که با خودکار کردن سیستم تا حد زیادی، خطر از دست دادن وجود دارد. افرادی که ممکن است بیشتر به کمک نیاز داشته باشند. او می گوید: “ارائه کمک از طریق فناوری کارآمدتر است.” “> این روابط شخصی می تواند در جلوگیری از از دست دادن o مهم باشد طلحوک می گوید که از ارزیابی کمک ها یا مزایا استفاده می کند. او همچنین نگران است که شهروندان بدون تلفن هوشمند یا قدرت شارژ کردن آن، یا آنقدر خسته شدهاند که نمیتوانند بر اساس اعلانها عمل کنند.یکی دیگر از خطرات رویکرد فناوری پیشرفته برای تحویل کمکها. این است که پیام غیرمنتظرهای که پول نقد ارائه میکند خیلی خوب به نظر میرسد که درست نباشد. در ماه سپتامبر، آزمایشی توسط GiveDirectly و گوگل پس از طوفان فیونا، اعلانهای فشاری را برای ۷۰۰ نفر ارسال کرد. اما کمتر از 200 نفر این پیشنهاد را پذیرفتند.سارا موران، مدیر GiveDirectly در ایالات متحده، میگوید: «این پاسخ کمتر از آنچه ما انتظار داشتیم بود. او معتقد است که جذب کم ممکن است به این دلیل باشد که افرادی مشکوک بودند که این پیامها یک کمپین فیشینگ است. این سازمان غیرانتفاعی اکنون با پیام دیگری به این کاربران مراجعه میکند و همان پرداخت نقدی را به آنها ارائه میکند.موران میگوید که پروژه با Google همچنین به واکنش سنتی و بینظیر در بلایا کمک میکند. هفته گذشته، یک پاسخ دهنده GiveDirectly از داده های سیستم Google برای یافتن مناطق آسیب دیده استفاده کرد. اما او همچنین مکان های ویران شده ای را کشف کرد که الگوریتم ها آنها را انتخاب نکرده بودند. وقتی نوبت به یافتن افراد و مکان های نیازمند می رسد، انسان ها و الگوریتم ها می توانند به یکدیگر کمک کنند. موران میگوید: «این یک خیابان دوطرفه است.