Integración de modelos grandes de visión y lenguaje para la evaluación e informe eficientes de daños post-desastre

Área de la Ciencia:

• Inteligencia Artificial
• Gestión de desastres
• Interacción humano-computadora

Sus antecedentes:

• La respuesta tradicional a desastres se basa en la coordinación humana, enfrentando limitaciones en velocidad y eficiencia.
• Los errores humanos y los retrasos en la respuesta a desastres pueden generar mayores pérdidas humanas y económicas.
• Los Modelos Grandes de Visión y Lenguaje (LVLM) agenticos presentan un enfoque novedoso para mejorar las capacidades de gestión de desastres.

Objetivo del estudio:

• Presentar DisasTeller, un marco multi-LVLM para automatizar tareas de gestión post-desastre.
• Explorar el potencial de los LVLM en la mejora de la resiliencia ante desastres y el acceso a los recursos, especialmente en regiones subdesarrolladas.
• Evaluar la efectividad de un sistema impulsado por IA en la aceleración de las actividades de respuesta a desastres.

Principales métodos:

• Desarrollo de DisasTeller, un marco que coordina cuatro agentes LVLM especializados impulsados por GPT-4.
• Implementación de tareas automatizadas que incluyen evaluación in situ, alertas de emergencia, asignación de recursos y planificación de la recuperación.
• Evaluación del impacto del marco en la coordinación, el flujo de información y el tiempo de ejecución en escenarios de desastre.

Principales resultados:

• DisasTeller demostró la capacidad de acelerar las actividades de respuesta a desastres y optimizar la coordinación.
• El marco estructura eficazmente el flujo de información y automatiza la generación de informes.
• Potencial de impacto socioeconómico significativo al mejorar la resiliencia y el acceso a los recursos.

Conclusiones:

• Los marcos impulsados por LVLM como DisasTeller pueden aumentar significativamente los métodos tradicionales de respuesta a desastres.
• La validación humana y la mejora continua de la precisión de los LVLM son cruciales para un despliegue confiable.
• DisasTeller sirve como un sistema de apoyo complementario, cerrando la brecha hacia la eficiencia impulsada por IA en la gestión de desastres.