.
Os algoritmos que alimentam as avaliações de danos do Skai são treinados pela rotulagem manual de imagens de satélite de algumas centenas de edifícios em uma área atingida por desastres que são conhecidos por terem sido danificados. O software pode então, rapidamente, detectar edifícios danificados em toda a área afetada. Um trabalho de pesquisa sobre a tecnologia subjacente apresentado em um workshop acadêmico de 2020 sobre IA para resposta a desastres afirmou que as avaliações de danos geradas automaticamente correspondem às de especialistas humanos com precisão entre 85 e 98%.
Na Flórida este mês, a GiveDirectly enviou sua notificação por push oferecendo US$ 700 para qualquer usuário do aplicativo Providers com endereço registrado nos bairros de Collier, Charlotte e Lee Counties, onde o sistema de IA do Google considerou que mais de 50% dos edifícios foram danificados. Até agora, 900 pessoas aceitaram a oferta, e metade delas foi paga. Se todos os destinatários aceitarem a oferta da GiveDirectly, a organização pagará US$ 2,4 milhões em ajuda financeira direta.
Alguns podem ser céticos em relação à resposta automatizada a desastres. Mas no caos após um evento como um furacão que atinge a terra firme, a resposta humana convencional pode estar longe de ser perfeita. Diaz aponta para uma análise que a GiveDirectly realizou analisando seu trabalho após o furacão Harvey, que atingiu o Texas e a Louisiana em 2017, antes do projeto com o Google. Duas das três áreas mais danificadas e economicamente deprimidas foram inicialmente negligenciadas. Uma abordagem orientada por dados é “muito melhor do que teremos de botas no chão e boca a boca”, diz Diaz.
A abordagem prática e orientada por algoritmos da GiveDirectly e do Google para distribuição de ajuda foi bem recebida por alguns especialistas em assistência a desastres, com ressalvas. Reem Talhouk, pesquisador da Escola de Design e Centro de Desenvolvimento Internacional da Northumbria University no Reino Unido, diz que o sistema parece oferecer uma maneira mais eficiente de fornecer ajuda. E protege a dignidade dos destinatários, que não precisam fazer fila para receber esmolas em público.
Mas Talhouk adverte que, ao automatizar o sistema em grande medida, existe o risco de perder pessoas que mais precisam de ajuda. “Fornecer ajuda por meio de tecnologias é mais eficiente”, diz ela. “No entanto, o que se perde é a conexão humana que os trabalhadores humanitários desenvolvem com as comunidades afetadas.”
Esses relacionamentos pessoais podem ser importantes para evitar que as pessoas percam as avaliações de ajuda ou benefícios, diz Talhouk. Ela também teme que cidadãos sem smartphones ou o poder de carregar um, ou muito exaustos para agir em uma notificação, possam perder.
Outro perigo da abordagem de alta tecnologia para entrega de ajuda é que uma mensagem inesperada oferecendo dinheiro vai parecer boa demais para ser verdade. Em setembro, um teste da GiveDirectly e do Google após o furacão Fiona enviou notificações push para 700 pessoas. Mas pouco menos de 200 pessoas aceitaram a oferta.
“Essa foi uma resposta menor do que esperávamos”, diz Sarah Moran, diretora da GiveDirectly nos Estados Unidos. Ela acredita que a baixa aceitação pode ter sido devido a pessoas suspeitando que as mensagens eram uma campanha de phishing. A organização sem fins lucrativos agora está revisitando esses usuários com outra mensagem, oferecendo a eles o mesmo pagamento em dinheiro.
Moran diz que o projeto com o Google também ajuda na resposta tradicional a desastres. Na semana passada, um respondente da GiveDirectly usou dados do sistema do Google para encontrar as áreas mais afetadas. Mas ela também descobriu locais devastados que os algoritmos não detectaram. Quando se trata de encontrar pessoas e lugares necessitados, humanos e algoritmos podem ajudar uns aos outros. “É uma via de mão dupla”, diz Moran.
.
