Nirlaba menggunakan AI untuk membantu membangun jembatan di komunitas pedesaan

Tidak semua peta dibuat sama. Petak besar tanah tidak memiliki data geografis dasar, termasuk detail yang vital seperti lokasi sungai atau jalan.
Untuk menjembatani kemakmuran, sebuah organisasi nonpemerintah yang membantu membangun jembatan di masyarakat pedesaan yang terisolasi, kesenjangan data ini berarti infrastruktur yang hilang.
Sejak diluncurkan pada tahun 2001, LSM telah membangun atau mendukung pembangunan lebih dari 600 jembatan jejak di 21 negara, menciptakan rute yang aman dan dapat diakses ke klinik medis, sekolah, dan pasar. Tetapi membangun jembatan itu mahal, jadi pada tahun 2020, ia berputar dari membangun jembatan secara mandiri menjadi bermitra dengan pemerintah untuk mendukung upaya infrastruktur mereka. Tetap saja, mencari tahu di mana jembatan dibutuhkan sulit.
Banyak saluran air pedesaan, terutama aliran dan sungai yang lebih kecil yang mengisolasi seluruh desa selama musim hujan, belum dipetakan oleh pemerintah atau bisnis. Setelah menganalisis 5.000 saluran air di seluruh dunia, organisasi menemukan itu 38% aliran dan sungai tidak ada di peta yang ada.
“Sungai -sungai yang mencegah mereka pergi ke sekolah, pergi ke pasar, sampai ke klinik, ke gereja, untuk mengunjungi teman -teman, yang benar -benar menghentikan mereka dari melakukan semua hal itu, bahkan bukan garis biru di peta itu,” Nivi Sharma, menjembatani CEO Prosperity, mengatakan kepada Business Insider.
“Ada ketidakadilan data yang sangat besar tentang berapa banyak yang kita belanjakan, berapa banyak investasi yang kita lakukan dalam memetakan populasi tertentu, dan seberapa sedikit sedikit yang kita lakukan untuk orang lain,” tambahnya.
Jembatan menuju kemakmuran beralih ke kecerdasan buatan untuk mengisi kesenjangan data. Pertama, ia membangun peta fika, alat AI yang mengidentifikasi lokasi di mana jembatan dapat dibangun dan memperkirakan biaya konstruksi, di antara kemampuan lainnya. “Fika” berarti “tiba” di Swahili.
LSM ini juga bekerja sama dengan laboratorium planet yang lebih baik untuk membuat waternet, dan Anda memiliki model Itu memetakan saluran air dunia. Mereka menggunakan data satelit untuk mendeteksi pola ketinggian dan vegetasi, yang kemudian dianalisis oleh model AI untuk mendekati lokasi saluran air.
Jembatan menuju kemakmuran menggunakan program -program ini dengan pemerintah di Rwanda, Ethiopia, Uganda, dan Zambia untuk membantu merencanakan pembangunan jembatan dan meningkatkan infrastruktur di seluruh negara.
Nivi Sharma adalah CEO dari Bridges to Procperity. Atas perkenan jembatan untuk kemakmuran/shotbygib
Melapisi data
Jembatan menuju kemakmuran telah memproduksi peta untuk daerah -daerah di mana ia telah membangun jembatan. Ini memberi LSM database awal data geografis yang dapat digunakan dan ditambahkan untuk membangun program ini.
“Sangat mudah untuk memetakan di mana masyarakat tinggal dengan melihat data satelit, dan sebagian besar pemerintah memiliki sekolah, klinik kesehatan, pasar, dan tujuan kritis yang sudah dipetakan,” kata Sharma. “Jadi kami mulai melapisi semua informasi ini bersama -sama.”
Ini juga menggunakan data dari sumber yang kurang konvensional, seperti aplikasi pelacakan kebugaran Strava, untuk menghitung waktu perjalanan di atas medan yang tidak rata.
Tapi itu masih berjuang untuk mengidentifikasi sungai dan sungai yang lebih kecil.
“Gambar satelit resolusi tinggi diperlukan untuk pemetaan saluran air di daerah terpencil,” kata Marouane Temimi, seorang profesor di Departemen Teknik Sipil, Lingkungan dan Lautan di Stevens Institute of Technology.
Temimi mengatakan ada dua jenis data satelit. Untuk data satelit optik, kamera menangkap gambar permukaan bumi. Awan dapat mengganggu ini, menghalangi area target. Citra satelit radar, di sisi lain, menggunakan gelombang radio, yang berarti dapat membuat gambar bahkan ketika awan menghalangi. Tapi itu bisa dipengaruhi oleh angin.
Dua jenis data dapat digabungkan untuk membangun peta yang akurat – tetapi mereka datang dengan biaya. Temimi mengatakan bahwa data satelit biasanya dikumpulkan oleh sensor komersial, sehingga mendapatkan informasi bisa mahal.
Sharma mengatakan LSM harus menyeimbangkan mendapatkan data berkualitas dengan memastikan kedua program itu terjangkau, dapat diskalakan, dan global.
“Seluruh argumen di sekitar AI dan inklusivitasnya – itu tidak dibangun dengan data pelatihan yang cukup baik,” kata Sharma. “Ini sering mengabaikan seluruh global selatan, yang jelas apa yang kita coba untuk tidak lakukan. Tapi itulah bagian yang mahal.”
Fika Map menggunakan data geografis untuk memetakan daerah pedesaan dan mengidentifikasi kesenjangan infrastruktur. Atas perkenan jembatan untuk kemakmuran
Alat untuk perubahan
Jembatan ke kemakmuran dan laboratorium planet yang lebih baik mengukur dampak dataset dengan menilai jumlah saluran air yang diidentifikasi. Sebelumnya, mereka memperkirakan ada 54 juta kilometer saluran air yang dipetakan di seluruh dunia. Database Waternet memetakan 124 juta kilometer lagi, atau 77 juta mil, yang lebih dari tiga kali lipat jumlah saluran air yang diketahui di seluruh dunia.
Sharma mengatakan bahwa peta fika dan waternet dapat membantu pemerintah menyelesaikan pekerjaan survei untuk pembangunan jembatan dalam beberapa bulan, bukan bertahun -tahun.
“Ini alat pengambilan keputusan. Ini alat advokasi. Ini alat perencanaan,” katanya. “Ini benar -benar menceritakan kisah lengkap mata pencaharian pedesaan dan apa yang perlu dilakukan untuk meningkatkan perkembangan itu.”