Stora översvämningar över Nebraska i år skapade ett desperat behov av hjälpinsatser, med olika samtal om hjälp och förnödenheter som kommer in från hela 77:an, 000 kvadratkilometer tillstånd.

Purdue Universitys Bharat Bhargava tror att artificiell intelligens, som en del av ett nytt forskningskonsortium och teamprojekt, kan hjälpa till i sådana katastrofsituationer, med hjälp av maskininlärning och dataanalys för att samordna vilka förnödenheter som behövs och var de ska ta vägen.

"Uppdraget att få hjälp till människor är av yttersta oro, sa Bhargava, professor i datavetenskap.

"Data som kommer från offentliga tweets, videoklipp, telefonsamtal, och polisrapporter kan vara bullriga, Ofullständig, felaktiga och förändras snabbt, ", sa han. "Lärande maskiner kan analysera multimodelldata som kommer från flera oberoende källor och leta efter behov som inte är uppenbara eller explicit angivna."

Bhargava och hans team arbetar med maskininlärning genom artificiell intelligens, låter datorer bestämma vilken information som ska tas in från flera källor, rensa data, integrera det, märk det, och lär av det för att identifiera var det behövs och sprida det till rätt användare.

Målet är att datorerna ska lära sig vad användarna letar efter och, när ny information kommer in, förutse vad användarna vill ha och skicka ut det till dem – även innan användarna är medvetna om att data finns.

Projektgruppen är ett av tre som delar på tre års finansiering på totalt mer än 1,2 miljoner USD från Northrop Grumman Corp. som en del av REALM-konsortiet Research in Applications of Learning Machines.

"Vårt mål är att skicka rätt data till rätt användare vid rätt tidpunkt, " sa han. "Om uppgifterna kommer en timme senare, det är värdelöst. Om data har mycket brus, det är värdelöst. Det är det totala syftet med detta."

Bhargava sa att maskininlärning genom artificiell intelligens skulle kunna användas i en mängd olika ad hoc-situationer, allt från att informera polisen om förändringar i trafikmönster på grund av olyckor till att stödja olika grenar av militären som letar efter minsta detalj gällande uppdrag.

Förutom onlineinformation, maskininlärningssystemet tar in data från sensorer, signalerar eller drönare och "rensar" det så att det kan förstås av användarna.

När användare begär information, datorn fyller förfrågan. Med hjälp av algoritmer, systemet förväntas kontinuerligt lära sig vilken typ av data användaren vill ha så att i framtiden, när relevant information erhålls, det kan automatiskt skickas till lämplig användare utan att ta emot en formell begäran.

"Det är att lära sig vad användaren letar efter innan de ens vet om det, " Bhargava sa. "När uppgifterna förändras, vi vill att maskinen ska lära sig och avgöra vilka som är nya, nya delar av information som är oväntade men kan vara mycket värdefulla för användaren."

Datan kommer att filtreras baserat på integritetspolicy och sammanhang innan den skickas. Feedback ges av användaren i efterhand så att systemet kan bestämma parametrarna för framtida data som ska skickas ut.