Lĩnh vực nào cũng "giỏi như chuyên gia", vậy sao AI vẫn bó tay trước một nhiệm vụ rất cần thiết lúc này?

Những thành công gần đây trong việc ứng dụng thị giác máy tính và học máy (machine learning) để phân tích hình ảnh từ drone, qua đó nhanh chóng xác định thiệt hại về nhà cửa, đường sá sau bão hoặc theo dõi diễn biến của các đám cháy rừng, đã cho thấy tiềm năng to lớn của trí tuệ nhân tạo (AI) trong công tác tìm kiếm người mất tích sau một trận lũ.

Các hệ thống học máy thường chỉ mất chưa đầy một giây để quét một tấm ảnh độ phân giải cao từ drone, trong khi con người cần từ một đến ba phút. Hơn nữa, drone thường tạo ra một khối lượng hình ảnh khổng lồ, vượt quá khả năng xử lý của con người trong những "giờ vàng" đầu tiên của cuộc tìm kiếm – thời điểm mà các nạn nhân có thể vẫn còn sống.

Nhưng điều đáng tiếc là dù có tiềm năng lớn, các hệ thống AI hiện nay vẫn chưa mang lại những kết quả chính xác như con người.

Các nhà nghiên cứu về robot chuyên sử dụng drone trong các thảm họa cho biết, việc tìm kiếm nạn nhân của các trận lũ lụt và nhiều thiên tai khác cho thấy các ứng dụng AI hiện tại vẫn còn nhiều thiếu sót.

Tuy nhiên, công nghệ này vẫn có thể đóng một vai trò quan trọng trong việc tìm kiếm nạn nhân. Chìa khóa nằm ở sự kết hợp giữa AI và con người.

Tiềm năng của AI

Tìm kiếm nạn nhân bão lũ là một dạng tìm kiếm và cứu nạn trong môi trường hoang dã với những thách thức đặc thù. Mục tiêu của các nhà khoa học về học máy là xây dựng hệ thống có khả năng xếp hạng các hình ảnh có dấu hiệu của nạn nhân, đồng thời chỉ ra vị trí trong ảnh mà lực lượng cứu nạn cần tập trung chú ý. Nếu người phân tích hình ảnh phát hiện dấu hiệu khả nghi, họ sẽ chuyển tọa độ GPS của vị trí đó cho các đội tìm kiếm tại hiện trường để kiểm tra.

Việc xếp hạng này được thực hiện bởi một bộ phân loại (classifier) – một thuật toán được "dạy" để nhận diện các đối tượng tương tự nhau (như mèo, ô tô, cây cối) từ một bộ dữ liệu huấn luyện, để từ đó có thể nhận ra chúng trong các hình ảnh mới. Ví dụ, trong bối cảnh tìm kiếm cứu nạn, một bộ phân loại có thể phát hiện các dấu hiệu hoạt động của con người như rác thải, ba lô để báo cho đội cứu hộ, hoặc thậm chí là xác định chính người bị mất tích.

Sự cần thiết của bộ phân loại đến từ khối lượng hình ảnh khổng lồ mà drone có thể tạo ra. Cụ thể, một chuyến bay kéo dài 20 phút có thể thu về hơn 800 tấm ảnh độ phân giải cao. Chỉ với 10 chuyến bay – một con số không lớn – đã có hơn 8.000 tấm ảnh. Nếu một nhân viên cứu hộ chỉ dành 10 giây để xem mỗi tấm ảnh, họ sẽ mất hơn 22 giờ làm việc. Ngay cả khi công việc này được chia cho một nhóm chuyên phân tích hình ảnh, con người vẫn có xu hướng bỏ sót các chi tiết và trở nên mệt mỏi về mặt nhận thức.

Giải pháp lý tưởng là một hệ thống AI có khả năng quét toàn bộ hình ảnh, ưu tiên những tấm có dấu hiệu rõ ràng nhất của nạn nhân, và khoanh vùng khu vực đó để nhân viên cứu hộ kiểm tra. Hệ thống này cũng có thể quyết định liệu một vị trí có cần được đánh dấu để các đội cứu nạn đặc biệt chú ý hay không.

Những hạn chế của AI

Dù đây có vẻ là một cơ hội hoàn hảo cho thị giác máy tính và học máy, các hệ thống hiện đại lại có tỷ lệ lỗi cao. Nếu hệ thống được lập trình để ước tính quá mức số lượng các vị trí tiềm năng với hy vọng không bỏ sót nạn nhân nào, nó có thể sẽ tạo ra quá nhiều kết quả “dương tính giả”. Điều này sẽ gây quá tải cho đội ngũ phân tích hình ảnh, hoặc tệ hơn là cho chính các đội cứu nạn, những người sẽ phải rất vất vả để di chuyển qua các đống đổ nát và bùn lầy để kiểm tra các vị trí này.

Mất điện mùa mưa bão hay thiên tai có thể khiến cả hệ sinh thái xe điện bị vô hiệu hóa. Trung Quốc đã có một số giải pháp để khắc phục vấn đề này.

Việc phát triển các hệ thống thị giác máy tính và học máy để tìm kiếm nạn nhân lũ lụt gặp khó khăn vì ba lý do chính:

Thứ nhất, dù các hệ thống thị giác máy tính hiện tại hoàn toàn có khả năng nhận diện người trong ảnh chụp từ trên không, các dấu hiệu hình ảnh của một nạn nhân bão lũ thường rất khác so với một người đi bộ đường dài bị lạc hay một người chạy thoát khỏi nơi nào đó.

Nạn nhân thường bị che khuất, mắc kẹt trong đống đổ nát hoặc chìm trong nước. Những thách thức về mặt hình ảnh này làm tăng khả năng các bộ phân loại hiện có sẽ bỏ sót nạn nhân.

Thứ hai, học máy đòi hỏi phải có dữ liệu huấn luyện. Tuy nhiên, hiện không có bộ dữ liệu hình ảnh chụp từ trên không nào ghi lại cảnh con người bị mắc kẹt trong đống đổ nát, lấm lem bùn đất và ở những tư thế bất thường. Sự thiếu hụt này cũng làm tăng khả năng xảy ra lỗi trong quá trình phân loại.

Thứ ba, nhiều hình ảnh từ drone do lực lượng tìm kiếm chụp thường là ảnh chụp xiên, thay vì chụp thẳng từ trên xuống. Điều này có nghĩa là tọa độ GPS của một khu vực khả nghi không trùng với tọa độ GPS của chiếc drone. Về mặt lý thuyết, có thể tính toán ra tọa độ GPS chính xác nếu biết độ cao và góc máy của drone, nhưng đáng tiếc là những thông số này hiếm khi được ghi lại. Vị trí GPS không chính xác khiến các đội cứu hộ phải mất thêm thời gian tìm kiếm.

AI có thể hỗ trợ như thế nào?

May mắn thay, khi con người và AI hợp tác, các đội tìm kiếm và cứu nạn hoàn toàn có thể sử dụng thành công các hệ thống hiện có để thu hẹp phạm vi và ưu tiên các hình ảnh cần kiểm tra kỹ hơn.

Trong trường hợp lũ lụt, thi thể nạn nhân có thể bị mắc kẹt giữa cây cối và các mảnh vụn. Do đó, một hệ thống AI có thể được dùng để xác định các cụm mảnh vụn đủ lớn để có thể chứa thi thể. Một chiến lược tìm kiếm phổ biến là xác định vị trí GPS của những nơi có vật thể trôi nổi tụ lại, vì nạn nhân cũng có thể bị cuốn vào những khu vực này.

Kết hôn và sinh con ngày càng trở thành lựa chọn tránh xa của người trẻ Trung Quốc, đặc biệt khi AI giờ đây đã giúp họ làm hết tất cả.

Một bộ phân loại AI có thể tìm thấy các mảnh vụn thường liên quan đến thi thể, chẳng hạn như các vật có màu nhân tạo, các mảnh vỡ xây dựng có đường thẳng hoặc góc 90 độ. Các nhân viên cứu hộ thường tìm kiếm những dấu hiệu này khi họ đi bộ dọc theo bờ sông và vùng ngập lụt một cách có hệ thống.

Tuy nhiên, bộ phân loại có thể giúp ưu tiên các khu vực trong vài giờ và vài ngày đầu tiên khi vẫn còn khả năng có người sống sót. Sau đó, nó có thể được dùng để xác nhận rằng các đội cứu hộ không bỏ sót bất kỳ khu vực đáng chú ý nào khi họ di chuyển khó khăn trên bộ qua địa hình phức tạp.