В Центре ИИ МГУ совместно с компанией «Интердата» и лабораторией SB AI Lab разработали систему координации эвакуации при лесных пожарах. Задачи такого рода относятся к быстро меняющимся сценариям: распространение огня, загруженность дорог, поведение людей. Данных о реальных ЧС часто не хватает, поэтому подходы проверяют в симуляторах.
Авторы предложили двухуровневую архитектуру. На первом уровне участники выбирают маршрут по текущей обстановке. На втором работает координатор на основе большой языковой модели (LLM Commander). Он отслеживает пожар и заторы и выдает общие рекомендации по движению. Система прозрачна для человека: каждое решение фиксируется с пояснением причин (направление огня, пробки, число отстающих). Данные преобразуются в проверяемые правила. Дополнительно используется эпизодическая память — обращение к успешным сценариям из прошлых симуляций.
В виртуальном городе со 150 участниками базовый метод при смещении очага показал 67,1%. С координатором результат вырос до 74,2%, а с эпизодической памятью — до 82,5%.
В таких задачах важно не просто найти эффективный план, но и сделать его понятным для ответственного лица. Большая языковая модель может выступать координатором верхнего уровня, анализировать ситуацию и предлагать понятные правила.
Работа выполнена в смоделированной среде и направлена на отработку подходов для последующего развития систем поддержки решений при ЧС.
Ранее Наука Mail рассказывала, что такое «огненные облака» и почему они делают лесные пожары еще опаснее.