Machine Learning acelera decisões em desastres
Pesquisadores da Cranfield University desenvolveram um novo modelo de AI que otimiza a tomada de decisões em situações de desastre, mostrando um avanço significativo em comparação com métodos tradicionais.
Contexto da pesquisa
Em situações de desastre, decisões rápidas são essenciais para a alocação de recursos e preservação de vidas. O uso de machine learning e inteligência artificial (AI) se torna crucial, especialmente com a integração de veículos aéreos não tripulados (UAVs) e imagens de satélite. Esta pesquisa foca em equilibrar a rapidez da automação com considerações de segurança e ética.
Método proposto
A equipe da Cranfield University propôs um novo framework de decisão assistida por AI, que supera as limitações das abordagens humanas e das AIs convencionais. O sistema demonstrou 39% mais precisão do que operadores humanos em vários cenários. O modelo conta com um agente AI que ajusta suas escolhas em situações críticas, validado por meio de um estudo de avaliação humana.
Resultados e impacto
O framework estruturado mostrou uma estabilidade de decisão 60% maior quando comparado a sistemas baseados em julgamento humano, garantindo resultados mais previsíveis. Segundo Argyrios Zolotas, Professor de Sistemas Autônomos e Controle, “Integrar AI em respostas a desastres não diz respeito apenas a algoritmos mais inteligentes, mas sim a facilitar decisões mais rápidas e seguras em situações críticas” (“Bringing AI into disaster response is not just about creating smarter algorithms, but about facilitating faster, safer, and more resilient decision-making.”).
“Nosso trabalho oferece uma visão valiosa sobre como essa responsabilidade pode ser alcançada”
(“Our work in this study gives a valuable view of one way this can be achieved.”)— Argyrios Zolotas, Professor, Cranfield University
As descobertas podem revolucionar abordagens de gestão de desastres, assegurando que a implementação de AI ocorra de forma ética e transparente. As aplicações potenciais incluem otimização de operações de emergência e suporte a equipes de resposta em tempo real.
Fonte: (TechXplore – Machine Learning & AI)
