Команда подтвердила свою модель, отказавшись от своих агентов ИИ из мест, разбросанных по цифровому отдыху острова Арран. Карта распределения вероятностей смоделированных мест потерянных людей по всему острову сильно коррелировала с местами исследования, в которых команда основала свою модель на предполагаемом их, наиболее вероятно, что их можно найти. Результаты предполагают, что поведение агентов является точным отражением поведения потерянных людей. Кредит: Университет Глазго
Новый метод прогнозирования, где люди, потерянные в пустыне, могут быть найдены на основе моделирования их процессов принятия решений, может помочь в будущем спасение горных спасательных команд.
Исследователи из Университета Глазго разработали сложную компьютерную систему для моделирования действий моделируемых людей, потерянных в среде на открытом воздухе.
Система, основанная на данных, основанных на счетах о том, как люди в реальном мире вели себя после того, как оказались потерянными на открытом воздухе, создает «тепловую карту», показывающую вероятность того, где пропавшие люди могут быть найдены в любом ландшафте.
Команда Глазго надеется, что это может привести к разработке надежного нового метода, чтобы помочь поисковым и спасательным командам выбирать, где сосредоточить свои усилия по восстановлению, что может включить беспилотники с датчиком, чтобы помочь промыть ландшафт.
В новой статье раннего доступа, опубликованной в журнале IEEE AccessКоманда описывает, как они использовали данные из исторических исследований того, как погибшие люди вели себя в реальных ситуациях, чтобы создать моделируемых «агентов», которые действуют на основе различных психологических состояний.
Алгоритмы, которые лежат в основе агентов, руководствуются различными подмоделями, каждая с разной целью. Все они стремятся вернуться к цивилизации, отправившись в воду, деревья, здания, пути или дороги. Моделируемые агенты принимают решения о том, куда идти, исходя из факторов, включая их текущее местоположение, и могут ли они видеть свою предпочтительную местность.
Чтобы помочь информировать поведение агентов, система команды также учитывала данные, собранные в отношении вероятности пропавших народов на различных типах местности, и расстояния, которые люди обычно путешествовали из их последнего известного места.
Ян-Хендрик Эверс из Университета Глазго в Школе Джеймса Уотта является ведущим исследователем проекта и соответствующим автором в газете. Он сказал: «Поисковые и спасательные команды выполняют жизненно важную жизнь, несмотря на то, что они часто не финансируются и часто получают экипаж у добровольцев.
«Я вырос в сельской горной местности, и я увлеченным холмким, так что я очень осознаю, насколько опасными могут быть походы, и что делают невероятные поиски и спасательные команды.
«Первоначально, как часть моего доктора философии, я решил посмотреть, можно ли использовать машинное обучение для обучения нового типа системы поиска и спасения, чтобы предсказать, где могут быть найдены потерянные туристы. Однако машинное обучение требует огромного количества информации, чтобы сделать ее выводы.
«Ограниченные ресурсы поисковых групп означают, что они по праву больше сосредоточены на спасении жизни, чем на получение данных на каждом аспекте их поисковых миссий, поэтому для нас не было достаточно информации, чтобы заставить этот подход работать.
«Это привело к тому, что мои коллеги и я задумались о том, смогут ли мы использовать существующие исследования по поведению пропавших без вести людей, которое направлено на то, чтобы понять их выбор относительно того, куда они пошли и почему. Использование этого в качестве основы для этих моделируемых агентов дало нам некоторые действительно обнадеживающие результаты».
Команда подтвердила свою модель, отказавшись от своих агентов ИИ из мест, разбросанных по цифровому отдыху острова Арран. Карта распределения вероятностей смоделированных мест потерянных людей по всему острову сильно коррелировала с местами, где исследовательская группа основывала свою модель на предполагаемом их, скорее всего, их можно найти. Результаты предполагают, что поведение агентов является точным отражением поведения потерянных людей.
Исследование является частью постоянных усилий в Университете Глазго по использованию передовых технологий для поддержки работы поисковых и спасательных групп. Соответствующие исследования использовали подход, основанный на данных, для изучения способов сделать беспилотники, контролируемые AI, лучше в поисках сельской местности для пропавших людей.
Доктор Дэвид Андерсон из Инженерной школы Джеймса Уотта является соавтором газеты и доктор философии Ян-Хендрика Эворса. руководитель. Он сказал: «Одним из преимуществ такого рода подхода к психологическому моделированию для поиска пропавших людей является то, что он может быть потенциально применить к любому ландшафту. Это означает, что это может помочь поискать и спасательные команды по всему миру, независимо от того, работают ли они в горах, джунглях или пустынях.
«Мы стремимся изучить возможность применения этой техники к нашим постоянным усилиям по реализации полного потенциала беспилотников для поисковых и спасательных миссий. Дальнейшая работа по разработке и проверка потребуется, прежде чем она может быть использована в реальных ситуациях».
Больше информации:
Ян-Хендрик Эверс и др., Прогнозирующее отображение плотности вероятности для поиска и спасения с использованием агента с разреженными данными, IEEE Access (2025). Doi: 10.1109/access.2025.3557693
Информация журнала:
Доступ к IEEE предоставлен Университетом Глазго
Цитирование: Компьютерная модель, которая «думает», как пропавший человек, может помочь поиск и спасению (2025, 10 апреля), полученные 10 апреля 2025 года из этого документа, подлежит авторским праву. Помимо каких -либо справедливых сделок с целью частного исследования или исследования, никакая часть не может быть воспроизведена без письменного разрешения. Контент предоставляется только для информационных целей.
