استفاده از یادگیری عمیق موضوعی است که این روزها برای استفاده در ربات‌های کمک‌رسان بر سر زبان‌ها افتاده است. طوفان‌های مهیب، زلزله و آتش‌سوزی غیرقابل‌کنترل تنها تعدادی از بلایای طبیعی هستند در سال میلادی گذشته گریبان‌گیر مردم دنیا شد و در این میان استفاده از تکنولوژی برای مبارزه با این بلایا نیز مورد توجه بیشتری قرار گرفت. اکنون اطلاعاتمان در مورد استفاده از تکنولوژی در مواجهه با بلایای طبیعی بیشتر شده و پس از استفاده از وسایل حمل و نقل هوایی خودکار (UAV) و ماهواره‌های پیچیده‌ای که قادر به ثبت تصاویر بلایای طبیعی از فاصله زیاد هستند بیش از پیش در این زمینه می دانیم ولی هنوز هم روش‌های پردازشی داده‌های به دست آمده و تبدیل آنها به اطلاعاتی ارزشمند و مفید جای کار دارد. یادگیری عمیق این‌جاست که به کمک ما می‌آید. بانک جهانی در حال همکاری با وی‌رباتیکز (WeRobotics) و اُپن‌اریال‌مپ (OpenAerialMap) در زمینه استفاده از یادگیری عمیق در پردازش این داده‌هاست.
بانک جهانی در روز ۱۰ ژانویه ۲۰۱۸ یک چالش هوش مصنوعی (AI) را راه‌اندازی کرد تا دریابد که آیا یادگیری عمیق را می‌توان در هنگام بلایای طبیعی مورد استفاده قرار داد. یادگیری عمیق چیزی است که هوش مصنوعی را قادر می‌سازد که الگوهای موجود در تصاویر، صداها و داده‌های دیگر را با استفاده از یک شبکه خنثی که از ماده خاکستری شبکه عصبی انسان تقلید می‌کند تشخیص می دهد. این نرم‌افزار یادگیری عمیق دقیقاً همان چیزی است که به دستیار الکسا (Alexa) کمک می‌کند تا الگوهای گفتاری را شناسایی کند، به مترجم گوگل کمک می‌کند تا جمله‌های کامل را ترجمه کند و در آزمایشگاه هوش مصنوعی فیسبوک مورد استفاده قرار می‌گیرد تا به صورت خودکار کاربران را شناسایی و در تصاویر ضمیمه کند.
هوش مصنوعی را می‌توان در دسته‌بندی عکس‌های هوایی در دوره‌های مهم پس از واقع شدن بلایا مورد استفاده قرار داد تا به افرادی که برای کمک‌رسانی به این مناطق می‌روند کمک کند تا اطلاعات را جمع‌آوری کنند. دسته بندی عکس‌های به صورت گروهی و فوری، ارزیابی مناطقی را که به کمک فوری نیاز دارند آسان‌تر می‌کند، مسیرهای بدون مانع به سمت مناطق آسیب‌دیده و خارج از آنها را نشان می‌دهد و آسیب‌دیده‌ترین زیرساخت ها را شناسایی می‌کند.
پاتریک مایر مؤسس وی‌رباتیکز شروع این چالش را با تمرکز بر کشورهای حاشیه اقیانوس آرام اعلام کرد. این کشورها در برابر زلزله، سونامی، طوفان، فوران آتشفشان، رانش زمین و خشکی بسیار آسیب‌پذیر‌اند. تنها در یک دهه گذشته گردبادهای عظیم در صدها جزیره از جمله فیجی و ساموئا میلیون‌ها دلار خسارت به بار آورده‌اند.
شناسایی جاده‌ها از میان درختان
پهبادهای خودکار بانک جهانی به منظور کمک به برنامه مقابله با بلایای طبیعی، از ۸۰ کیلومتر مربع از جزیره تونگا عکس هایی با کیفیت بالا ثبت کردند. اکنون بانک جهانی شرکت کنندگان را به چالش تولید الگوریتم‌هایی برای یادگیری عمیق فراخوانده تا این عکس‌ها را بدون نیاز به کمک انسان تحلیل کند. در آینده، این اطلاعات در عکس برداری‌های جدید مورد استفاده قرار می‌گیرد تا تحلیل مبنا و ارزیابی خسارت‌ها را سرعت بخشد.
در این چالش، توسعه دهندگان باید به طور خاص بر درخت‌ها و جاده ها متمرکز شوند. الگوریتم‌های باید تمامی درختان نارگیل، موز، پاپایا و انبه و مکانشان را با دقت حداقل ۸۰ درصد شناسایی کنند، چرا که این درختان که بخش اعظم مواد غذایی را تأمین می‌کنند هم بر سلامت تغذیه ساکنین اثرگذار هستند و هم بر وضعیت معیشتی و اقتصادی آنها.
تحلیل خودکار تصاویر باید شرایط جاده‌ها را نیز تحلیل و بررسی کند و دریابد چه تعداد از آنها قابل عبور هستند و چند مسیر دارند. ارزیابی جاده‌ها در مناطق آسیب‌دیده به امدادرسانان در تهیه برنامه‌ای برای استفاده از مسیرهای رفت‌و‌آمد کمک می‌کند.