आपदा प्रबंधन में इस तरह मददगार हो सकती हैं सोशल मीडिया तस्वीरें

जब आपदाएं आती हैं, तो सोशल मीडिया तस्वीरों, चेतावनियों और मदद की मांग से भर जाते हैं। उस वक्त कई सोशल मीडिया पोस्ट आपदा वाली जगहों की जानकारी के स्रोत होते हैं। यह डेटा आगे आने वाले दिनों में आपदा की स्थिति और उसके नतीजे को समझने में मदद कर सकता है। लेकिन डेटा को मैन्युअल रूप से अलग करने और उसका विश्लेषण करने में बहुत ज़्यादा समय लगता है। साथ ही, यह प्रक्रिया महंगी होने के साथ-साथ असरदार नहीं है।

इस्तेमाल के लायक जानकारी हासिल करते समय कई देशों वाली रिसर्च टीम का एक नया अध्ययन बड़े पैमाने पर डेटासेट प्रस्तुत करता है। साथ ही, यह अध्ययन पता लगाता है कि सोशल मीडिया तस्वीरों से प्राकृतिक आपदाओं के बारे में जानकारी हासिल करने की प्रक्रिया को किस तरह ऑटोमेट या स्वचालित किया जाए। अध्ययन में प्राकृतिक आपदाओं और ऐसी ही अन्य घटनाओं की दस लाख तस्वीरों का इस्तेमाल किया गया, ताकि एक जैसी आपदाओं और घटनाओं को अपने आप पहचानने के लिए कृत्रिम बुद्धिमत्ता प्रणाली को प्रशिक्षित या कुशल बनाया किया जा सके। ये ऐसी घटनाएं थी जिनमें इंसानी मदद की जरूरत होती है।

तस्वीरों की मदद से आपदाओं को पहचानने की कोशिश

अध्ययन की प्रमुख लेखक और बार्सिलोना के ई-हेल्थ सेंटर में आर्टिफिशियल इंटेलिजेंस फॉर ह्यूमन वेल-बीइंग लैब की प्रमुख अगाता लापेड्रिज़ा ने अपने शोध के पीछे की प्रेरणा के बारे में बताया। उन्होंने कहा कि यह शोध उस तात्कालिकता से जुड़ा था, जिसके साथ मानवीय संगठनों को आपदा के दौरान राहत कोशिशों की व्यवस्था करनी पड़ती है। इस बात के सबूत मौजूद हैं कि आपदाओं के दौरान सोशल मीडिया नेटवर्क जानकारी का दिलचस्प स्रोत हो सकता है। ऐसा इसलिए, क्योंकि पीड़ित लोग हो रही घटनाओं के बारे में तस्वीरें और जानकारी पोस्ट करते हैं। उन्होंने कहा. “इसलिए, विचार यह था कि सोशल मीडिया से तस्वीरों को अपने आप फ़िल्टर करने और प्राकृतिक आपदाओं और अन्य तरह की घटनाओं का पता लगाने के लिए उपकरण डिज़ाइन किया जाए।” 

जिस मल्टी-लेबल डेटासेट का अध्ययन किया गया, उसमें 9,77,088 तस्वीरें थीं। ये तस्वीरें 43 घटनाओं और 49 जगहों से जुड़ी श्रेणियों से संबंधित थीं। रिसर्च प्रक्रिया के बारे में बताते हुए, लापेड्रिज़ा ने कहा कि इंटरनेट से एकत्र की गई तस्वीरों को उचित रूप से आपदा से संबंधित या नहीं के रूप में लेबल किया गया था और फिर फ़्लिकर या ट्विटर (फिलहाल एक्स के नाम से जाना जाता है) जैसे सोशल मीडिया प्लेटफ़ॉर्म से मिली तस्वीरों से आपदाओं का पता लगाने के लिए एआई (AI) सिस्टम (डीप लर्निंग मॉडल) को प्रशिक्षित किया गया था। उन्होंने कहा, “तस्वीर के इन सेटों के भीतर, हमारा कुशल लर्निंग मॉडल आपदा से जुड़ी तस्वीरों का पता लगा सकता है। हमने पाया कि तस्वीरों में पाई गई घटनाओं और 2015 में नेपाल और चिली के भूकंप या 2017 में बांग्लादेश बाढ़ के रिकॉर्ड में पाई गई खास आपदाओं के बीच एक समानता थी। ”

लैपेड्रिज़ा को उम्मीद है कि उन्होंने जो टूल बनाया है, वह मानवीय संगठनों को चल रही आपदाओं के बारे में बेहतर जानकारी पाने में मदद करेगा। ज़रूरत पड़ने पर इससे मानवीय मदद के प्रबंधन को बेहतर बनाया जा सकता है।

आपदा प्रबंधन के विशेषज्ञ और संयुक्त राष्ट्र पर्यावरण कार्यक्रम में जी-20 वैश्विक पहल समन्वय कार्यालय के निदेशक मुरली थुम्मारुकुडी ने कहा, किसी संभावित आपदा के पहले संकेत के रूप में किसी जगह पर रहने वालों और वहां पहुंचे यात्रियों को चेतावनी भेजने जैसे तदर्थ स्तर पर ऐसे टूल का इस्तेमाल करने से, कुशल लर्निंग टूल अब भविष्य में इस्तेमाल के लिए एक पैटर्न का आकलन करने के लिए घटना का व्यवस्थित रूप से विश्लेषण कर सकते हैं। वह भारत में सोशल-मीडिया-संचालित आपदा जोखिम मूल्यांकन, प्रबंधन और पूर्वानुमानों को बढ़ाने की आवश्यकता और संभावना देखते हैं। ऐसा इसलिए, क्योंकि देश के पास बड़ी आबादी का लाभ है और ग्रामीण क्षेत्रों में भी सोशल मीडिया की गहरी पैठ है। थुम्मरुकुडी ने कहा, “बहुत बड़ी आबादी और डेटा सेट और इंटरनेट इस्तेमाल की सस्ती दरें फायदे हैं लेकिन क्षमता का पूरी तरह दोहन नहीं हुआ है। आपदा प्रबंधन को आज भी एक परोपकारी गतिविधि माना जाता है। सरकारों को इसमें दिलचस्पी लेनी चाहिए और भारत में मौजूद संभावनाओं का दोहन करना चाहिए जो देश को बाकी दुनिया के लिए (आपदा की भविष्यवाणी और प्रबंधन के लिए बड़े डेटा सेट का इस्तमाल करने में) एक रोल मॉडल बना सकता है।”

बाढ़ प्रबंधन के लिए डेटा को क्राउडसोर्स करना

आईआईटी मुंबई की ओर से किए गए एक अलग अध्ययन (जो अभी तक प्रकाशित नहीं हुआ है) ने बाढ़ के पूर्वानुमान और चेतावनी के लिए डेटा स्रोत के रूप में क्राउडसोर्स की गई जानकारी का इस्तेमाल करने की व्यवहार्यता का पता लगाया है। नतीजों ने जमीनी स्थिति को सटीक रूप से दिखाने के लिए सोशल मीडिया पोस्ट पर निर्भरता की पुष्टि की।

सबसे पहले, शोधकर्ताओं ने पूर्व में हुई भारी बारिश से जुड़ी घटनाओं के लिए बाढ़ मानचित्र तैयार करने के लिए जगह की जानकारी का इस्तेमाल करके ट्विटर (अब एक्स के रूप में जाना जाता है) से बाढ़ से संबंधित डेटा फिर से हासिल किया। फिर इस डेटा की वैधता की पुष्टि स्वयंसेवकों (स्वयंसेवक भौगोलिक जानकारी या वीजीआई) के जरिए जानकारी के साथ तुलना करके की गई थी जो ज्यादा सटीक लेकिन कम है। ट्विटर डेटा को सबसे नजदीक के जल निकासी (Height above the Nearest Drainage (HAND) मानचित्र के ऊपर की ऊंचाई के साथ सत्यापित किया जाता है – बाढ़ का मानचित्र बनाने के लिए एक वैज्ञानिक माप – जो ऊंचाई के लिए प्रॉक्सी के रूप में काम करता है। अध्ययन में पाया गया कि जहां बहुत ज्यादा बारिश की घटनाओं की आवृत्ति बढ़ रही थी, वहीं हाल की ट्विटर-आधारित जानकारी से बाढ़ की रिपोर्टिंग में कमी देखी गई। यह अलग-अलग बाढ़ हॉटस्पॉट पर लागू किए गए प्रभावी रोक उपायों के चलते था, यह तथ्य स्थानीय स्वयंसेवक से मिली जानकारी से सत्यापित है।

अध्ययन ने वास्तविक समय में बाढ़ की निगरानी और पूर्वानुमान में सोशल मीडिया के जरिए एकत्र किए गए डेटा की उपयोगिता के बारे में बताया। अध्ययन का हिस्सा रहे आईआईटी मुंबई में सिविल इंजीनियरिंग विभाग के प्रोफेसर सुबिमल घोष ने कहा, “सोशल मीडिया में बहुत सारा डेटा है लेकिन इसका बड़ा हिस्सा उपयोगी नहीं है। कभी-कभी जानकारी अधूरी हो सकती है या इसे ठीक से जियो-टैग नहीं किया गया है जिससे इसकी प्रभावशीलता कम हो जाती है। ट्विटर (अब एक्स) नीतियों का लगातार बदलना डेटा के इस्तेमाल में एक और बड़ी बाधा थी। ”

चुनौतियों में गलत जानकारी से निपटना भी शामिल है

लैपेड्रिज़ा और उनकी टीम के लिए मुख्य चुनौती किसी घटना या आपदा का सकारात्मक रूप से पता लगाने में कुशल एआई मॉडल की अक्षमता थी। उदाहरण के लिए, कार दुर्घटनाओं के लिए मॉडल कारों की तस्वीरों का पता लगा रहा था, लेकिन जरूरी नहीं कि वे हादसे का शिकार हुई कारों की हों। इसे दूर करने के लिए, उन्होंने क्लास पॉजिटिव और क्लास नेगेटिव के विचार को शामिल किया और सिर्फ क्लास पॉजिटिव का पता लगाने के लिए एआई मॉडल को कुशल बनाया। उन्होंने समझाया, “उदाहरण के लिए, जंगल की आग के क्लास के लिए, हमारे पास जंगल की आग (क्लास पॉजिटिव) की तस्वीरों का एक संग्रह होगा और उन तस्वीरों का एक संग्रह होगा जो जंगल की आग (क्लास नेगेटिव) नहीं दिखाते हैं। क्लास नेगेटिव लोगों की दिलचस्पी एआई मॉडल तस्वीरों को दिखाने में है जो जंगल की आग की तरह दिख सकती हैं, जैसे कि चिमनी, लेकिन वे जंगल की आग नहीं दिखा रहे हैं।”

आपदा प्रबंधन में सोशल मीडिया डेटा के इस्तेमाल की 2021 की समीक्षा में, समीक्षकों ने ट्विटर को जानकारी देने वाले एक अहम स्त्रोत बताया है, जिसके जरिए निकाली गई अस्थायी और जगह के हिसाब से जानकारी आपदा प्रबंधन के दौरान फैसला लेने में मददगार है। समीक्षा में कहा गया है कि भू-स्थान की पहचान और विश्लेषण आपदा प्रबंधन में जगह के हिसाब से प्रमुख शोध चुनौतियां हैं। समय और घटना के समय को पोस्ट करने सहित अस्थायी जानकारी के साथ सोशल मीडिया सामग्री का इस्तेमाल कई तरीकों से आपदा प्रबंधन को सुविधाजनक बनाने के लिए किया जा सकता है।

जानकारों की एक चिंता गलत जानकारियों को लेकर भी है। चूंकि सोशल मीडिया गलत सूचना या फर्जी खबरों से भरा हुआ है, इसलिए यह डेटा की प्रामाणिकता के रास्ते में आ सकता है। थुम्माराकुडी जैसे विशेषज्ञों का कहना है कि उन्हें लगता है कि सरकारों को आपदाओं के दौरान फर्जी खबरों को नियंत्रित करने के लिए एक नियामक ढांचा बनाने में सक्रिय रूप से काम करना चाहिए। उन्होंने कहा, “आखिरकार, एआई एल्गोरिदम गलत सूचनाओं को पकड़ने और उन्हें दूर कर पाएगा। लेकिन बेहतर विनियमन हमेशा लोगों को गलत सूचना फैलाने के नतीजों के बारे में जागरूक करने में मदद करता है।”

इस खबर को अंग्रेजी में पढ़ने के लिए यहां क्लिक करें।

बैनर तस्वीर:पश्चिम बंगाल में पिछले साल आए चक्रवाती तूफान अंफन से जान-माल को काफी नुकसान हुआ। इस आपदा में दर्जनों लोगों की जान भी गई थी। तस्वीर– यूएनडीपी क्लाइमेट/फ्लिकर