IA pode prever desastres naturais a partir de fotos

As postagens de mídia social podem ser usadas como uma fonte de dados para entender a progressão e as consequências de um desastre
Por Alessandro Di Lorenzo, editado por Bruno Capozzi 28/06/2023 16h59
ciclone
Crédito: LeStudio - Shutterstock
Compartilhe esta matéria
Ícone Whatsapp Ícone Whatsapp Ícone X (Tweeter) Ícone Facebook Ícone Linkedin Ícone Telegram Ícone Email

Já imaginou se fosse possível detectar um desastre natural antes que ele acontecesse usando imagens postadas nas redes sociais? Foi pensando nisso que uma equipe internacional de pesquisa projetou um sistema de aprendizado profundo composto por ferramentas de visão computacional que, uma vez treinadas usando 1,7 milhão de fotografias, se mostraram capazes de analisar, filtrar e detectar desastres reais.

Leia mais

O artigo contendo a novidade foi publicado na revista IEEE Transactions on Pattern Analysis and Machine Intelligence. Uma das pesquisadoras do projeto, liderado pelo Instituto de Tecnologia de Massachusetts (MIT), é Àgata Lapedriza. Segundo ela, “as postagens de mídia social podem ser usadas como uma fonte de dados de baixa latência para entender a progressão e as consequências de um desastre”.

Como funciona esse sistema?

  • Os pesquisadores criaram uma lista com 43 categorias de incidentes, incluindo desastres naturais como avalanches, tempestades de areia, terremotos, erupções vulcânicas, secas, etc. Também foram inseridas situações envolvendo algum elemento de intervenção humana, como acidentes de avião, por exemplo.
  • Essa lista, juntamente com 49 categorias de lugares, permitiu aos pesquisadores rotular as imagens usadas para treinar o sistema.
  • Os autores então criaram um banco de dados com 1.787.154 imagens que foram usadas para treinar o modelo de detecção de incidentes. Dentre elas, 977.088 tinham pelo menos um rótulo positivo ligando-as a uma das classificações incidentes, enquanto 810.066 tinham rótulos de classe negativa.
  • Já para as categorias de lugar, 764.124 imagens tiveram rótulos de classe positiva e 1.023.030 foram negativa de classe.
  • Esses rótulos negativos significavam que o sistema poderia ser treinado para eliminar falsos positivos, ou seja, uma fotografia de uma lareira não significa que a casa está em chamas, mesmo que tenha algumas semelhanças visuais.
  • Quando o modelo de aprendizado profundo foi treinado para detectar incidentes em imagens, a equipe fez uma série de experimentos para testá-lo, desta vez usando um enorme volume de imagens baixadas de mídias sociais, incluindo Flickr e Twitter. “Nosso modelo foi capaz de usar essas imagens para detectar incidentes e verificamos se elas correspondiam a incidentes específicos e registrados, como os terremotos de 2015 no Nepal e no Chile”, disse Lapedriza.
  • O próximo desafio é usar as mesmas imagens de inundações, incêndios ou outros incidentes para determinar automaticamente a gravidade dos incidentes ou mesmo monitorá-los de forma mais eficaz ao longo do tempo.

Com informações de TechXplore.

Já assistiu aos novos vídeos no YouTube do Olhar Digital? Inscreva-se no canal!

Alessandro Di Lorenzo
Colaboração para o Olhar Digital

Alessandro Di Lorenzo é formado em Jornalismo pela Universidade Federal do Rio Grande do Sul (UFRGS) e atua na área desde 2014. Trabalhou nas redações da BandNews FM em Porto Alegre e em São Paulo.

Bruno Capozzi é jornalista formado pela Faculdade Cásper Líbero e mestre em Ciências Sociais pela PUC-SP, tendo como foco a pesquisa de redes sociais e tecnologia.