تقييم موثوق لخطورة الكوارث: كيف تسهم تقنيات الذكاء الاصطناعي في إنقاذ الأرواح؟

في عالم مليء بالتحديات البيئية والكوارث المتزايدة، يبرز تحقيق تقييم موثوق لخطورة الكوارث كأمر حيوي لإنقاذ الأرواح وتعزيز استجابة الطوارئ. في دراسة جديدة نشرت على منصة arXiv، تم اقتراح إطار عمل مبتكر يتضمن تدريباً متكاملاً يُعرف بالتدريب الدقيق الخاضع للتوجيه (Supervised Fine-Tuning) والتحسين المباشر للتفضيلات (Direct Preference Optimization).

تتضمن هذه الدراسة مرحلتين أساسيتين، حيث تمثل المرحلة الأولى جمع بيانات ثنائية من خلال عملية تعيين واحدة، مما أسفر عن تشكيل مجموعتي بيانات مترابطة: مجموعة ReasoningSet التي تعتمد على تبريرات مُعتمدة، ومجموعة PreferenceSet التي تُعنى بالمقارنات بين التبريرات لتعزيز دقة النموذج.

أظهرت النتائج التجريبية أن استخدام الأساليب الجديدة قد أدى إلى زيادة دقة النموذج من 73.64% إلى 78.29%، بينما ارتفعت قيمة Macro-F1 بنسبة 29%. بالإضافة إلى ذلك، تحسنت جودة التفسير بنسبة تقارب 25%، مما يُعزز الشفافية في قرارات النموذج.

كما أكد الاختبار المتقاطع على نماذج InternVL-3-8B و LLaVA-1.5-7B مرونة وقابلية تعميم الطريقة الجديدة، مما يوفر مساراً موثوقاً لتطوير أنظمة متعددة الوسائط يمكنها تقديم رؤى قابلة للتدقيق وفعالة لإدارة الكوارث. هذه الابتكارات لا تساهم فقط في تحسين تحديد الحالات الخفيفة المصنفة بشكل منخفض، بل تقلل أيضاً من الأخطاء التي تؤدي إلى تصنيفات ذات مخاطر عالية.

تُعتبر هذه الدراسة خطوة محورية نحو تعزيز استجابة الطوارئ ورفع الكفاءة في تقييم أضرار الكوارث، مما يساعد على اتخاذ قرارات أكثر اطلاعاً وشفافية.