Оглавление

Исследователи из Стэнфорда применили GPT-4 для анализа миллионов изображений Google Street View и получили цифровое подтверждение печальной социальной аксиомы: после стихийных бедствий богатые районы восстанавливаются и становятся ещё лучше, а бедные — превращаются в пустыри. Машинное зрение показало, что «машина восстановления» работает исключительно на имущих.

Цифровое зеркало социального разлома

Традиционные методы изучения последствий ураганов, пожаров и наводнений были точечными и ограниченными во времени. Команда под руководством Тяньюаня Хуана (Tianyuan Huang), выпускника Стэнфорда по гражданской и экологической инженерии и компьютерным наукам, пошла другим путём. Они использовали исторический архив Google Street View, содержащий фотографии почти каждого адреса в США с периодичностью раз в один-три года. Этот массив данных позволил провести масштабное долгосрочное исследование изменений в застроенной среде после экстремальных погодных событий в 16 штатах с 2011 по 2018 год.

Ключевым инструментом стал GPT-4 — первая общедоступная мультимодальная модель, способная совмещать анализ изображений и языка. Исследователи поручили ИИ выполнить две задачи:

  1. Идентифицировать все здания, получившие видимые повреждения после экстремальных событий, на основе данных о более чем 106 000 объектах с отчётами FEMA.
  2. Оценить, сколько повреждённых зданий превратилось или осталось пустырями, было восстановлено до прежнего уровня или отстроено лучше и больше, чем прежде.

Точность модели оказалась впечатляющей: 98% в первой задаче и 80% во второй при проверке с участием людей-оценщиков. Результаты, поддержанные грантом на облачные вычисления от Stanford Institute for Human-Centered AI и опубликованные в Nature, рисуют чёткую картину социального расслоения.

Инструмент, созданный в эпоху «демократизации ИИ», с математической точностью подтвердил антидемократичный характер посткатастрофического восстановления. GPT-4, обученный на данных всего человечества, беспристрастно зафиксировал, как экономическое неравенство не просто сохраняется, а усугубляется силами природы и рынка. Это исследование — мощный пример того, как технология может служить не прогнозу будущего, а беспощадной диагностике настоящего.

Статистика неравенства: пустыри против улучшений

Анализ данных по районам с разным медианным доходом (низким, средним, высоким) выявил драматические различия в темпах восстановления:

  • В районах с низким доходом более 37% повреждённых зданий, превратившихся после бедствия в пустыри, так и оставались пустырями годами.
  • В районах со средним доходом этот показатель составил 22%.
  • В богатых районах — лишь 7%.

Обратная картина наблюдалась с улучшением застройки: почти 82% повреждённых зданий в богатых районах были отстроены как улучшенные структуры, против 56% в средних и 33% в бедных районах.

График различий в скорости восстановления зданий по уровню дохода после стихийных бедствий

Источник: hai.stanford.edu

Дополнительный анализ получателей помощи FEMA по почтовым индексам показал, что больше восстановления происходило там, где у большего числа людей были страховки домовладельцев и от наводнений. «Собственники в бедных кварталах часто не имеют страховки, что означает, что они гораздо реже отстраиваются заново», — отмечает соавтор исследования Джекелин Хван (Jackelyn Hwang), доцент социологии в Стэнфорде.

«Машина восстановления» против «сегментированного отступления»

Полученные данные поддерживают гипотезу «машины восстановления». Согласно ей, после катастрофы застройщики, риелторы и банкиры, следуя своей про-ростовской природе, отстраиваются лучше, чем прежде. Этот импульс обычно приносит пользу тем, у кого есть доступ к финансовым ресурсам или контроль над ними, игнорируя людей с низким доходом.

Это опровергает более раннюю теорию «сегментированного отступления», популярную после урагана Катрина. Она предполагала, что уязвимые группы населения оказываются в ловушке на месте после стихийных бедствий из-за нехватки ресурсов для переезда. Однако данные Google Street View указывают на обратное: силы, благоприятствующие росту, с большей вероятностью поддержат восстановление и даже улучшение домов более состоятельными элитами, чем окажут аналогичную поддержку бедным районам. В результате больше людей с низким доходом бросают свою собственность.

«Нынешние подходы к помощи в восстановлении после климатических катастроф в бедных кварталах не являются справедливыми», — резюмирует Хван. По мере учащения стихийных бедствий стоимость страховки становится запретительной для домовладельцев с низким доходом. Исследователи указывают на важность предоставления страховых субсидий как меры, которая могла бы значительно помочь процессу восстановления для всех слоёв общества.

Источник новости: Stanford HAI