प्रभावी आपत्ती व्यवस्थापन

डॉ. आनंद ज. कुलकर्णी
सोमवार, 16 ऑगस्ट 2021

आर्टिफिशियल इंटेलिजन्स

आपत्ती व दुर्घटनेच्या परिस्थितीत कृत्रीम बुद्धिमत्ता एक भरवशाचा साथीदार व मित्र असू शकते. सध्या एकूणच नैसर्गिक आपत्तींची संख्या व तीव्रता पाहता, याबाबतचे संशोधन ही काळाची गरज आहे.

प्रचंड वादळे, वणवे, महापूर, भूकंप, त्सुनामी, ज्वालामुखीचा उद्रेक आदी नैसर्गिक आपत्तींचे प्रमाण जगभरात दरवर्षी वाढत आहे. बेसुमार जंगलतोड, प्रदूषण व हवामानात सातत्याने होणारे बदल या आपत्तींच्या वाढत्या प्रमाणाला कारणीभूत ठरत असतात. या नैसर्गिक आपत्ती माणसासाठी नवीन नसल्या, तरी १९७० सालच्या तुलनेत अशा आपत्ती आणि अरिष्टांच्या संख्येत आणि तीव्रतेत चार पटीने वाढ झालेली आहे. एका आकडेवारीनुसार, अशा आपत्तींमुळे २०१७ साली २८ अब्ज रुपयांच्या मालमत्तेचे नुकसान झाले आहे. २०१६ साली हे नुकसान १४ हजार कोटींच्या आसपास होते. २०१९ साली ऑस्ट्रेलियातील जंगलात लागलेल्या आगीची तीव्रता व विस्तार, २००५ आणि २०१९ साली, तसेच अगदी गेल्या महिन्यात महाराष्ट्रातील विविध भागात झालेल्या अतिवृष्टीमुळे झालेली प्रचंड जीवितहानी व मालमत्तेचे नुकसान, २०१४ मधले माळीण गावातील भूस्खलन, गेल्या महिन्यात रायगड जिल्ह्यातल्या तळये गावात झालेले भूस्खलन, २०११ साली जपानमधील भूकंप व त्याचा परिणाम म्हणून आलेल्या प्रचंड त्सुनामी इत्यादी केवळ काही प्रातिनिधिक उदाहरणे आहेत. मालमत्तेच्या नुकसानाची भरपाई, पुनर्बांधणी वगैरेंसाठी लागणाऱ्या खर्चाची, तसेच वेळेची कल्पना केली तर आपत्ती व्यवस्थापन एक अवघड काम होत चालले आहे. जागतिक आरोग्य संघटनेच्या ताज्या अहवालानुसार जगातील साधारणपणे १६ कोटी लोकसंख्या सतत आपत्तीप्रवण क्षेत्रांत राहत आहे, परंतु एकंदरीत परिस्थिती पाहता ही संकटे आता हळूहळू प्रत्येक देशात, शहरात, तसेच गावात येऊ पाहत आहेत. आपत्कालीन, तसेच आपत्ती निवारण विभागांवर या सर्वांचा प्रचंड ताण तर येतोच आहे, पण हे सर्व त्यांच्या क्षमतेबाहेरही जात आहे. 

विविध उपाययोजनांबरोबरच आपत्ती व्यवस्थापनासाठी कृत्रीम बुद्धिमत्तेचा वापर वाढतो आहे. अमेरिकेतील पेनसिल्व्हानियातील लिहाई युनिव्हर्सिटीमधील शास्त्रज्ञ डॉ. पाओलो बोकीनी व त्यांच्या टीमने केलेल्या अभ्यासाच्या निष्कर्षांनुसार संभाव्य आपत्तीची तीव्रता कमी करणे, आपत्तीला तोंड देण्याची तयारी करणे, नुकसान भरपाई व पुनर्बांधणी करणे आदींसाठी आर्टिफिशिअल इंटेलिजन्सचा प्रभावी वापर होऊ शकतो. यासंदर्भातील लेख गेल्या वर्षी 'नॅचरल हॅझार्डस' या नियतकालिकात प्रसिद्ध झाला आहे. त्याच वर्षी संयुक्त राष्ट्रांच्या पर्यावरणासंबंधित एका परिषदेत आर्टिफिशिअल इंटेलिजन्सचा वापर, संधी, त्यातील आव्हाने, आदींवर बराच खल झाला. उपग्रहांनी टिपलेली आपत्तीप्रवण क्षेत्रांची छायाचित्रे, तसेच नोंदवलेले तापमानातील बदल आदी माहितीचा मशिन लर्निंग तंत्रज्ञानाने योग्य अर्थ लावता येईल व त्याप्रमाणे पुढील आपत्तीचा अंदाज लावून बहुमोल प्राण वाचवता येऊ शकतील, त्याचप्रमाणे मालमत्तेची हानीसुद्धा कमी करता येऊ शकेल, असे मत आंतरराष्ट्रीय दूरसंचार संघटनेचे बिलेल जमुझी यांनी या परिषदेत नोंदवले होते.

दोहामधील कतार फाउंडेशन ऑफ एज्युकेशन, सायन्स अँड कम्युनिटी डेव्हलपमेंटने बनवलेले इंटेलिजन्ट सॉफ्टवेअर आपत्ती प्रभावित क्षेत्रात काम करणाऱ्या स्वयंसेवकांचे, आजूबाजूला राहणाऱ्या लोकांचे ट्विट्स तसेच येणाऱ्या संदेशांचे मशिन लर्निंगच्या माध्यमातून आणि त्यांच्या संख्येवरून वर्गीकरण करते व पुढे स्वयंसेवकांच्या प्रमुखाला किंवा संस्थेला पाठवते. त्यावरून महत्त्वाच्या व अधिक गरजेच्या आपत्ती प्रभावित क्षेत्रांत लक्ष केंद्रित करण्यास मदत होते. समाजोपयोगी कामे करणाऱ्या संस्थेने 'स्टॅण्डर्ड टास्क फोर्स' या डिजिटल तंत्राचा वापर करून नेपाळमध्ये भूकंप झाल्यावर काही तासांतच जवळजवळ ९० देशांतील स्वयंसेवकांना विविध ट्विट्स व इंटरनेटवर उपलब्ध होणाऱ्या तेथील भूकंपाच्या छायाचित्रांवर टॅग केले. त्याचबरोबर, त्यांच्या इंटेलिजन्ट सॉफ्टवेअरने हानीचे प्रकार आणि प्रमाण या दोहोंच्या प्रमाणात सर्व क्षेत्रांचे; वैद्यकीय व तातडीची गरज, पायाभूत सुविधांची गरज असे वर्गीकरण केले. यामुळे तीन हजारांहून अधिक स्वयंसेवक मदतीचे साहित्य घेऊन विविध ठिकाणी, गरजेप्रमाणे पोचू शकले व हानीचे प्रमाण कमी करता आले. अशीच मोलाची मदत २०१५च्या चिली मधील भूकंपाच्या मदत कार्यात झाली होती. 

रिमोट सेन्सिंग तंत्रज्ञानाने उपग्रहाद्वारे उपलब्ध छायाचित्रांचा अभ्यास करून भूकंप, पूर, जंगलातील वणवे इत्यादींमुळे होणाऱ्या नुकसानीचा अंदाज घेणे नवीन नाही. परंतु, नुकसानीची नेमकी जागा, बळींची साधारण संख्या, भूस्खलनात घसरणारा मलबा, त्याचे प्रमाण आदींची कमीतकमी वेळेत माहिती मिळणे अत्यंत गरजेचे असते. जपानमधील होक्काइडो भागात २०१८मध्ये झालेल्या प्रचंड भूस्खलनाची माहिती मिळाल्यावर केवळ काही मिनिटांत उपग्रहाद्वारे उपलब्ध छायाचित्रांचे मशिन लर्निंग तंत्राच्या आधारे वर्गीकरण करून भूस्खलनाची जागा शोधून काढता आली, तसेच नुकसानीचे मोजमापही करता आले. विशेष म्हणजे हे विश्लेषण ९३ टक्के अचूक होते. असेच तंत्रज्ञान २०११ साली जपानमधील तोहोकू येथे झालेल्या भूकंपाच्यावेळीसुद्धा वापरण्यात आले होते. अन्यथा, अशा विश्लेषणाला कित्येक दिवसांचा अवधी लागू शकतो. याचप्रकारे, उपग्रहाद्वारे टिपलेल्या छायाचित्रांवरून अगदी दुर्गम भागात झालेल्या दुर्घटनेची पहिली माहितीसुद्धा मशिन लर्निंग अल्गोरिदम काही मिनिटांत देऊ शकतात. उपलब्ध असलेल्या छायाचित्रांबरोबर नुकत्याच घेतलेल्या छायाचित्रांची ठरावीक मानकांवर आधारित तुलना करून, तुटलेले पूल, रस्ते, कोसळलेल्या इमारती ओळखणे शक्य होते. त्यामुळे, आणीबाणी किंवा आपत्कालीन प्रतिसाद देणाऱ्या टीमना योग्य मार्गदर्शन करून ज्या ठिकाणी दुर्घटना घडली आहे त्या नेमक्या ठिकाणी लवकरात लवकर मदत पोचवण्यास मोलाचे साहाय्य होते. 

याच प्रकारे गुगल रिसर्चमधील जोसेफ शू व प्रणव खेतान यांनी २०२० साली आर्टिफिशिअल न्यूरल नेटवर्कचा वापर करून इमारतींच्या नुकसानीचे अत्यंत अचूक मूल्यांकन करून देणारे सॉफ्टवेअर बनवले आहे. आर्टिफिशिअल न्यूरल नेटवर्क हे मेंदूतील न्यूरॉनच्या रासायनिक देवाणघेवाणीवर आधारित असलेल्या गणितावर बनलेले असते. विशेष म्हणजे, आर्टिफिशिअल इंटेलिजन्सचे ते सर्वात पहिले तंत्र आहे. या बाबतची बरीच माहिती इंटरनेटवर उपलब्ध आहे. अमेरिकेच्या 'नासा' या अंतराळ संशोधन संस्थेचे 'ल्हासा' नावाचे मशिन लर्निंग आधारित सॉफ्टवेअर संपूर्ण देशातील आपत्तीप्रवण भागांच्या छायाचित्रांचे प्रत्येक तीन तासांनी विश्लेषण करत असते. त्यामुळे, आपत्तीबद्दलची आगाऊ सूचना मिळण्यास मोलाची मदत होते. त्याचप्रमाणे, अवझिया नावाच्या कंपनीने वर्ल्ड बँकेच्या मदतीने कॅरिबियन बेटांवरील घरांच्या छतांच्या दुरुस्तीबद्दल सूचना देणारे इंटेलिजन्ट सॉफ्टवेअर बनवले आहे. ते सॉफ्टवेअर ड्रोन व उपग्रहांच्या छायाचित्रांवरून घरांच्या व इमारतींच्या छतांच्या दर्जाचे मूल्यांकन करते. त्यावरून पुढील मोसमासाठी डागडुजीची सूचनादेखील देते. त्यामुळे छोट्या मोठ्या दुर्घटना टाळल्या जाऊन जीवित हानी कमी होण्यात मदत होऊ शकते. 

शिकागो येथील ब्लूवर्क्स कंपनीने बनवलेले इंटेलिजन्ट सॉफ्टवेअर आपत्कालीन कॉल सेंटरशी निगडित आहे. शहरातील किंवा राज्याच्या एखाद्या भागातून अधिक कॉल येत असल्यास, किंवा येणाऱ्या कॉलची संख्या प्रचंड असल्यास, फोन कॉलना उत्तर देणे, फोन करणाऱ्याचे स्थान अचूक शोधणे, मदत पोचवणाऱ्यांकडे कॉल जोडून देणे आदी महत्त्वाच्या बाबी हे सॉफ्टवेअर सांभाळते. ऑप्टिमा प्रेडिक्ट, फर्स्टवॉच सारखी सॉफ्टवेअर मशिन लर्निंग अल्गोरिदमच्या साहाय्याने लक्षणांचा, संकेतांचा, तसेच त्यानंतर घडलेल्या दुर्घटनांमधील आपापसांतील संबंध जोडून प्रगल्भ होत जात आहेत. उदाहरणार्थ, जमीन व हवामानाचे तापमान वाढल्याने, वारे वाहून वणवे लागण्याचे प्रकार घडतात. अशा प्रकारची लक्षणे दिसू लागल्यास, अशी सॉफ्टवेअर्स त्या आधारे पुढील दुर्घटनेबद्दल शक्यता वर्तवून संबंधित विभागाला सूचना देतात. गेल्या काही वर्षांत, एखादे चक्रीवादळ येण्याची वेळ, त्याची तीव्रता, दिशा आदींची आपल्याला काही तास आधीच सूचना मिळते. त्यावरून, संकटाला तोंड देण्यास सज्ज होण्यास मदत मिळते, हे याचेच एक उदाहरण आहे.

आपत्ती व दुर्घटनेच्या परिस्थितीत कृत्रीम बुद्धिमत्ता एक भरवशाचा साथीदार व मित्र असू शकतो, हेच यावरून अधोरेखित होते. उदाहरणार्थ, २०११ साली जपानच्या फुकुशिमा आण्विक ऊर्जा केंद्राचा महत्त्वाचा भाग भूकंपामुळे उद्‌ध्वस्त झाला, तसाच १९८६ साली (आता युक्रेनमध्ये असलेल्या) चेर्नोबिल येथेही स्फोट झाला होता. तेथे किरणोत्सर्ग सुरू झाला. अशा ठिकाणी पाहणी करण्यासाठी माणसांनी जाणे अत्यंत धोकादायक असते. यासाठी इंटेलिजन्ट रोबोट अत्यंत उपयोगी ठरतात. मी स्वतः असे इंटेलिजन्ट सॉफ्ट रोबोट बनवले आहेत. हे इंटेलिजन्ट रोबोट एखाद्या थव्याच्या स्वरूपात दुर्घटनाग्रस्त भागात जाऊन पाहणी करतात, फोटो घेतात, माहिती गोळा करतात आणि सर्वजण एकत्रितपणे बाहेर येतात. महत्त्वाचे म्हणजे, दुर्घटनाग्रस्त आस्थापनांतील स्थिर आणि चल स्वरूपाच्या वस्तूंपासून दूर राहण्याची क्षमतासुद्धा या बॉट्समध्ये असते. त्याचप्रमाणे, मॅकेन्झीच्या नोबल इंटेलिजन्स विभागाने उपग्रहाच्या छायाचित्रांवरून दुर्घटनाग्रस्त भागांत कमीतकमी वेळेत पोचण्याचे मार्ग दाखवणारे इंटेलिजन्ट सॉफ्टवेअर तयार केले आहे. भारत किंवा बांगलादेश सारख्या देशांतील अधिक घनता असणाऱ्या वस्त्यांमधील आग लागलेल्या जागांपर्यंत मदत मिळवून देण्यात असे सॉफ्टवेअर अत्यंत उपयोगी ठरू शकते. 

गरज ही शोधाची जननी आहे असे म्हणतात. सध्या जगात, तसेच भारतात होणाऱ्या एकूणच आपत्तींची संख्या व तीव्रता पाहता, याबाबतचे संशोधन व त्यावर आधारीत उपाय ही काळाची गरज बनली आहे. आपल्याकडील विद्यापीठे, तेथील प्राध्यापक, विद्यार्थी, इन्फॉर्मेशन टेक्नॉलॉजी आधारित कंपन्यांमधील हुशार मनुष्यबळ या सर्वांची, आपत्तींची तीव्रता कमी करणे, तोंड देण्याची तयारी करणे, नुकसान भरपाई व पुनर्बांधणी, आदींसाठी आर्टिफिशिअल इंटेलिजन्सचा प्रभावी वापर शोधण्यात मोलाची मदत होऊ शकते.

आपत्ती व्यवस्थापनासाठी कृत्रिम बुद्धिमत्तेचा प्रभावी वापर शक्य आहे, हे खरे असले तरी या आपत्तींसाठी बऱ्याच अंशी कारणीभूत असणारे मानवी हस्तक्षेप, बेसुमार जंगलतोड, अवैध बांधकामे वगैरेंना आळा घालणे अधिक गरजेचे आहे, हे सत्य राहतेच.

संबंधित बातम्या