6 Şubat depremlerinin ardından arama-kurtarma ekipleri günlerce enkaz başında bekledi. Hayatta kalanları tespit etmek için kullanılan yöntemler ise onlarca yıldır temelde aynı kaldı. Ortalama dört katlı bir binanın teknik taraması yaklaşık 45 dakika sürüyor. Bu 45 dakikada enkaz altındaki biri için zaman tükenebilir.
Imperial College London’da eğitim gören Arda Kancal ve İdil İğde, bu süreyi saniyelere indirmeyi hedefleyen yapay zekâ destekli bir teknoloji geliştirdi. İki genç araştırmacı, deprem enkazında insan kaynaklı titreşimleri analiz edebilen yapay zekâ destekli otonom bir sistem üzerinde çalışıyor. Sistem, yoğun makine ve çevre gürültüsünü filtreleyerek yalnızca insan kaynaklı mikroskobik titreşimleri ayıklamayı hedefliyor.
Proje, The Times gibi uluslararası mecralarda da yer aldı. Kancal ve İğde projeyi geliştirme sürecinde onları destekleyen Imperial College London’ın FoNS Make a Difference yarışmasını kazandılar ve £7000’lik bir bütçeye erişim kazandılar.
“Deprem Türkiye’nin gerçeği”
Projenin çıkış noktası 6 Şubat depremleri.
İdil İğde, fikrin kişisel ve toplumsal bir sorumluluk duygusundan doğduğunu söylüyor:
“Biz her Türk genci gibi deprem gerçeğiyle büyüdük. 6 Şubat’tan sonra özellikle harekete geçmem gerektiğini hissettim. Üniversitenin ilk yılında katıldığımız bir girişimcilik yarışmasında topluma pozitif bir katkı sunmak istedik ve deprem arama-kurtarma teknolojilerine yöneldik.”
Arda Kancal ise süreci daha sistematik bir bakışla değerlendirdiklerini anlatıyor:
“Deprem olduktan sonra sadece teknolojiyi değil, tüm süreci anlamaya çalıştık. Enkazda arama, tespit ve kurtarma aşamalarını ayrı ayrı inceledik. En otomatikleştirilebilir kısmın arama aşaması olduğunu gördük. Bizim odaklandığımız yer tam olarak burası.”
Mevcut sistem nasıl çalışıyor?
Bugün teknik arama-kurtarma çalışmalarında en yaygın kullanılan yöntemlerden biri sismik dinleme. Enkaz üzerine yerleştirilen sensörler (jeofonlar), materyal içindeki titreşimleri algılıyor. Bu veriler ses sinyaline dönüştürülüyor ve teknisyenler kulaklıkla dinleyerek insan kaynaklı bir titreşim olup olmadığını anlamaya çalışıyor.
Bu süreçte en büyük sorun, insan kaynaklı titreşimleri jeneratör, iş makinesi ya da çevresel hareketlerden ayırt edebilmek.
Kancal, mevcut sistemin ciddi ölçüde insan deneyimine bağlı olduğunu söylüyor:
“Teknisyenler gelen sinyali dinleyerek ritim ve anomali arıyor. Bu kısım kaçınılmaz olarak subjektif. Aynı sinyali iki farklı kişi farklı yorumlayabilir. Biz bu sinyal işleme sürecini algoritmik ve objektif hale getirmek istedik.”
İğde ise sistemin neden özellikle sinyal işleme kısmına odaklandığını şöyle açıklıyor:
“Kurtarma fiziksel bir süreç. Beton kesmek, insan çıkarmak hâlâ insan gücü gerektiriyor. Ama arama kısmında veri analizi var. Burada yapay zekâ devreye girebilir.”
Yapay zekâ neyi değiştiriyor?
Geliştirilen sistem, sensörlerden gelen sismik veriyi yapay zekâ modeliyle analiz ediyor. Model, insan kaynaklı titreşimler ile çevresel gürültüyü ayırt edebilecek şekilde eğitilmiş veri setleri üzerinden öğreniyor.
Kancal bu süreci teknik olarak şöyle özetliyor:
“Biz sensörleri değiştirmedik. Aynı sismik sensörleri kullanıyoruz. Radikal farkımız, çıkan veriyi kimin analiz ettiği. İnsan yerine yapay zekâ modeli analiz ediyor ve karar veriyor.”
Bu sayede insan var ya da yok kararı, subjektif dinleme yerine matematiksel sınıflandırmaya dayanıyor.
Ekip, İngiltere’de iki farklı arama-kurtarma eğitim sahasında testler gerçekleştirdi. İlk aşamada veri toplandı ve model eğitildi. İkinci aşamada ise sistem test edildi.
Paylaşılan sonuçlara göre model, enkaz altında insan varlığını yüzde 90’ın üzerinde doğruluk oranıyla tespit edebildi.
45 dakikadan saniyelere
Arama-kurtarma ekiplerinden alınan gayriresmî bilgilere göre, ortalama dört katlı bir binanın teknik sismik dinlemesi mevcut yöntemlerle yaklaşık 45 dakika sürebiliyor.
Kancal, zaman kazanımının özellikle analiz aşamasında ortaya çıktığını söylüyor:
“Teknisyenlerin sinyale alışma ve anomali arama süreci ortadan kalkıyor. Sensör yerleştirildikten sonra insan var ya da yok kararını saniyeler içinde verebiliyoruz. Zamanın kritik olduğu ilk saatlerde bu ciddi bir avantaj olabilir.”
İğde ise temkinli bir vurgu yapıyor:
“Bu veriler sahadan aldığımız geri bildirimlere dayanıyor. Resmî ve geniş ölçekli saha testleri yapılmadan kesin konuşmak doğru olmaz.”
Gürültü tamamen ortadan kalkmıyor
Enkaz alanlarında genellikle “sessizlik” çağrısı yapılır; iş makineleri durdurulur, herkes susar. Çünkü arka plan gürültüsü insan kaynaklı titreşimleri maskeleyebilir.
İğde, sistemin sınırlarını açıkça ifade ediyor:
“Eğer çevresel titreşim insan kaynaklı sinyali tamamen bastırıyorsa analiz zorlaşır. Yapay zekâ modeli bu ayrımı daha iyi yapabiliyor ama fizik kuralları değişmiyor.”
Kancal da ekliyor:
“Biz gürültüyü sıfırlamıyoruz. Ama mevcut yöntemlere kıyasla daha dayanıklı bir analiz sağlıyoruz.”
Sistem şu aşamada yalnızca materyal içinde yeterli büyüklükte titreşim oluşturan hareketleri algılayabiliyor. Kalp atışı ve solunum gibi çok düşük şiddetli biyolojik sinyaller doğrudan tespit edilemiyor.
Prototip aşamasında
Geliştirilen teknoloji henüz prototip seviyesinde.
“Şu anda operasyonel bir ürün değil” diyor İğde, ekliyor: “Daha fazla veri toplamamız ve sahada çalışan ekiplerle birlikte test etmemiz gerekiyor.”
Kancal ise nihai kararın kurumlara ait olduğunu vurguluyor:
“Bir teknolojinin enkazda kullanılabilir olduğuna biz değil, arama-kurtarma otoriteleri karar verir. Bizim görevimiz sistemi o seviyeye getirmek.”
Maliyet hedefi: Erişilebilirlik
Ekip, başlangıçtan itibaren maliyeti düşük tutmayı hedeflediklerini söylüyor.
İğde, “Deprem riski yüksek ülkelerde pahalı sistemlerin yaygınlaşması zor. Bu yüzden mümkün olduğunca erişilebilir bir çözüm geliştirmeye çalışıyoruz” diyor.
Kancal ise mevcut sistemlere kıyasla daha düşük maliyetli bir yapı hedeflediklerini ancak üretim ölçeği netleşmeden fiyat açıklamanın mümkün olmadığını belirtiyor.
Eğer saha testleriyle etkinliği doğrulanır ve operasyonel onay alırsa, sistem özellikle deprem riski yüksek ve teknik kapasitesi sınırlı ülkeler için alternatif bir model olabilir.
