في عالم يتزايد فيه الاعتماد على التكنولوجيا في تقييم الأضرار، تأتي تقنية جديدة لتُحدث ثورة في هذا المجال. حيث تم تقديم نظام ذكاء اصطناعي متعدد الوسائط (Multimodal AI System) يهدف إلى تقييم الأضرار بشكل دقيق وفعال. يجمع هذا النظام بين نماذج توليد معززة للاسترجاع (RAG) والرؤية الحرارية، إلى جانب نماذج الرؤية الأساسية واستشعار الإشارات اللاسلكية.

تُظهر الأبحاث أن وحدة الاسترجاع المعززة قد تم تطويرها لتثبيت نموذج لغوي محلي على الوثائق الخاصة بالمشاريع، وهذا يشمل معايير تصنيف مستويات الأضرار المتخصصة والتي تعمل على تقليل التوهيمات أثناء الاستدلال. مقارنةً بالتقنيات التقليدية، أثبتت المقارنات المنضبطة ضد أساليب التحفيز القليل الثابت أن الاسترجاع الديناميكي يُحسن من التأسيس والتناسق الواقعي.

كما تم إجراء مقارنة بين نموذج RAG المعتمد على المتجهات ونموذج مستند إلى الرسم البياني تم بناؤه من خلال استخراج الكيانات والعلاقات، حيث أظهرت النتائج أن الاسترجاع القائم على الرسم البياني يُنتج استجابات أقوى لاستفسارات تقييم الأضرار التي تتطلب استدلالًا عبر المستندات. هذا يجعل من الضرورة دمج تقنيات الاسترجاع الكثيف والرفيع المدرك للرسم البياني.

لمواجهة القيود التي تعاني منها صور الاستشعار الضوئي (EO imagery) تحت ظروف الإضاءة الرديئة، تم استخدام الاستشعار الحراري للكشف عن الأجسام وتصنيفها. يساعد الكاشفون في توليد اكتشافات مرشحة، مما يُحسن من تصنيف مجموعة واسعة من الأجسام. كما تكشف تجارب تتبع الأشعة تحت الحمراء مقابل الطيف المرئي عن أنماط فشل، مما يدفع نحو دمج الوسائط لتحقيق كشف موثوق للأجسام وتحليل الأضرار.

تستخدم نماذج الرؤية والأساسيات لتوليد صور اصطناعية للأضرار وتصنيف خطورتها بدقة عالية، مما يسهل تدريب وتValidation نماذج تقييم الأضرار القادمة. وأخيرًا، يُظهر استشعار الإشارات اللاسلكية استعداده لاكتشاف وجود الحركة والتغيرات البيئية بعد الأحداث، حيث تكون تقنيات الاستشعار الضوئي والحراري غير فعالة.