منظومة للذكاء الصناعي ترتب الأولويات في خدمات الطوارئ

لا شك أن وقوع حريق أو جريمة أو حادث على الطريق هي مسألة عشوائية لا يمكن التنبؤ بها، ولكن الشيء الذي يمكن قياسه بل والتحكم فيه هي سرعة وصول خدمة الطوارئ إلى موقع الحادث، مثل رجال الشرطة للقبض على الجناة أو رجال الإطفاء لإخماد الحريق أو رجال المرور لرفع السيارة المحطمة من قارعة الطريق.
واستخدم فريق من الباحثين من جامعتي بينغهامتون ونيويورك في الولايات المتحدة، تقنيات التعلم العميق من أجل تحليل الإحصاءات الخاصة بالحوادث وأحداث الطوارئ، من أجل الوصول إلى أفضل السبل لخدمة المواطنين من خلال الاستغلال الأمثل لإمكانات خدمات الطوارئ. حسبما ذكرت وكالة الأنباء الألمانية.
واعتمدت الدراسة على قواعد بيانات تضم الحوادث والأحداث الطارئة التي وقعت في مدينة نيويورك على مدار عشر سنوات، وصُنفت حسب نوعيتها مع احتساب الفترات التي استغرقتها خدمات الطوارئ في الوصول إلى موقع الحادث من لحظة الإبلاغ عن وقوعه.
ويقول الباحث أناند سيتهارام، وهو أحد المشاركين في التجربة، إنه «من الممكن أن يقع أكثر من حادث في آن واحد»، مضيفاً أن «مجابهة هذه الحوادث سيستغرق وقتاً طويلاً نظراً لضرورة توزيع وحدات ومعدات ووسائل الطوارئ على أكثر من مكان». واستطرد: «نحن نستخدم منظومة الذكاء الصناعي للتنبؤ بما سوف يحدث في المستقبل» من أجل توجيه إمكانيات الطوارئ المتاحة بأفضل شكل ممكن.
ويعتقد فريق الدراسة التي أوردها الموقع الإلكتروني «فيز دوت أورغ» المتخصص في التكنولوجيا، أنه من الممكن استخدام المنظومة الجديدة في المدن الكبرى الأميركية مثل لوس أنجليس وشيكاغو على سبيل المثال، وربما في مجموعات مشتركة من المدن الصغيرة ذات السمات المتشابهة، من أجل تحليل المواقف الطارئة المختلفة والقيام بتنبؤات تساعد في توجيه وسائل الإغاثة بالشكل الصحيح.
ويقول سيتهارام: «لا بد أن نعرف أن كل مدينة لها سمات خاصة بها، فمدينة لوس أنجليس مثلاً تتعرض لحوادث أقل خلال فصل الشتاء، لأن الثلوج لا تتساقط عليها، ولكنها تتعرض لنوعيات أخرى من الحوادث». وأشار إلى صعوبة التنبؤ بالأحداث الطارئة، مثل توقيت اندلاع حريق أو طبيعة هذا الحريق والمدى الذي سوف يصل إليه في المستقبل، مضيفاً أن الحوادث غير الطارئة يسهل التنبؤ بها وعلاجها، موضحاً: «في حال تعطل إشارة مرور على سبيل المثال، يُرسل فني متخصص، وهو يتولى علاج المشكلة».