с 01.01.2013 по настоящее время
Россия
Россия
УДК 614.8 Несчастные случаи, их опасность, профилактика и борьба с ними
Современные технологии искусственного интеллекта, в частности большие языковые модели, демонстрируют значительный потенциал для трансформации подходов к обеспечению безопасности в чрезвычайных ситуациях. Целью данной статьи является аналитический обзор и оценка возможностей использования больших языковых моделей в сфере обеспечения безопасности в чрезвычайных ситуациях. На основе проведенного обзора в статье систематизированы и детально проанализированы такие перспективные направления применения больших языковых моделей, как: автоматизация обработки экстренных сообщений и звонков, создание интеллектуальных чат-ботов и виртуальных ассистентов для населения и специалистов в области безопасности, планирование и поддержка принятия решений; анализ данных социальных сетей для повышения ситуационной осведомленности; работа с многомодальными данными; разработка узкоспециализированных моделей для конкретных предметных областей (лесных пожары, эвакуация и др.); интеграция с экспертными системами и базами знаний; обучение и подготовка персонала. Особое внимание уделено анализу преимуществ и критических ограничений технологий, таких как проблема «галлюцинаций» больших языковых моделей, и путям их минимизации, Подчеркивается значимость адаптации моделей к национальным особенностям, включая особенности языка, нормативно-правовую базу и локальные риски. Значимость исследования заключается в том, что оно формирует целостное представление о текущем уровне развития и будущих траекториях интеграции больших языковых моделей в систему обеспечения безопасности в чрезвычайных ситуациях. Работа обосновывает, что грамотное внедрение языковых моделей способно существенно повысить оперативность реагирования, обоснованность управленческих решений и эффективность межведомственного взаимодействия, выступая мощным инструментом интеллектуальной поддержки при принятии решений в области обеспечения безопасности.
большие языковые модели, безопасность в чрезвычайных ситуациях, интеллектуальная поддержка принятия решений, обработки естественного языка, трансформер
1. Raza M. et al. Industrial applications of large language models // Scientific Reports. 2025. Vol. 15. № 1. P. 13755. DOI:https://doi.org/10.1038/s41598-025-98483-1.
2. Филимонов В.Ю. Большие языковые модели и их роль в современных научных открытиях // Философские проблемы информационных технологий и киберпространства. 2024. № 1 (25). С. 42–57. DOI:https://doi.org/10.17726/philIT.2024.1.3. EDN SFTWKC.
3. Otal H.T., Stern E., Canbaz M.A. LLM-assisted crisis management: Building advanced LLM platforms for effective emergency response and public collaboration // 2024 IEEE Conference on Artificial Intelligence (CAI). IEEE, 2024. P. 851–859. DOI:https://doi.org/10.1109/CAI59869.2024.00159.
4. From text to transformation: A comprehensive review of large language models' versatility / P. Kaur [et al.] // arXiv preprint arXiv:2402.16142. 2024. DOI:https://doi.org/10.48550/arXiv.2402.16142.
5. Панина О.А., Юрин Д.А., Сухов И.Ю. Риски безопасности при использовании больших языковых моделей (LLM) в системах // Информатизация и связь. 2024. № 6. С. 65–72. DOI:https://doi.org/10.34219/2078-8320-2024-15-6-65-72. EDN NCCJVT.
6. Chandra A., Chakraborty A. Exploring the role of large language models in radiation emergency response // Journal of Radiological Protection. 2024. Vol. 44. № 1. P. 011510. DOI:https://doi.org/10.1088/1361-6498/ad270c.
7. Jiang Y. The Applications of Large Language Models in Emergency Management // 2024 IEEE 6th Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC). IEEE, 2024. Vol. 6. P. 199–202. DOI:https://doi.org/10.1109/IMCEC59810.2024.10575031.
8. The role of large language models for decision support in fire safety planning / D. Durmus [et al.] // PROCEEDINGS OF THE... ISARC. 2024. P. 339–346. DOI:https://doi.org/10.22260/ISARC2024/0045.
9. Чучупал В.Я. Нейросетевые модели языка для систем распознавания речи // Речевые технологии. 2020. № 1-2. С. 27–47. DOI:https://doi.org/10.58633/2305-8129_2020_1-2_27. EDN TOXWRW.
10. Attention is all you need / A. Vaswani [et al.] // Advances in neural information processing systems. 2017. Vol. 30. DOI:https://doi.org/10.48550/arXiv.1706.03762.
11. SafeMate: A Modular RAG-Based Agent for Context-Aware Emergency Guidance / J. Jiao [et al.] // arXiv preprint arXiv:2505.02306. 2025. DOI:https://doi.org/10.48550/arXiv.2505.02306.
12. LLM multi-agent systems: Challenges and open problems / S. Han [et al.] // arXiv preprint arXiv:2402.03578. 2024. DOI:https://doi.org/10.48550/arXiv.2402.03578.
13. Gupta S., Chen Y.C., Tsai C. Utilizing large language models in tribal emergency management // Companion Proceedings of the 29th International Conference on Intelligent User Interfaces. 2024. P. 1–6. DOI:https://doi.org/10.1145/3640544.3645219.
14. California launches new AI-powered chatbot that provides wildfire resources in 70 languages. URL: https://www.gov.ca.gov/2025/05/09/california-launches-new-ai-powered-chatbot-that-provides-wildfire-resources-in-70-languages/?utm_source=chatgpt.com (дата обращения: 03.08.2025).
15. Large language models in fire engineering: An examination of technical questions against domain knowledge / H. Hostetter [et al.] // arXiv preprint arXiv:2403.04795. 2024. DOI:https://doi.org/10.48550/arXiv.2403.04795.
16. The ERMES chatbot: A conversational communication tool for improved emergency management and disaster risk reduction / A. Urbanelli [et al.] // International Journal of Disaster Risk Reduction. 2024. Vol. 112. P. 104792. DOI:https://doi.org/10.1016/j.ijdrr.2024.104792.
17. PathGPT: Leveraging Large Language Models for Personalized Route Generation / S.C. Marcelyn [et al.] // arXiv preprint arXiv:2504.05846. 2025. DOI:https://doi.org/10.48550/arXiv.2504.05846.
18. Максимов А.В., Матвеев А.В. Перспективы использования коллективных знаний при реагировании на чрезвычайные ситуации // Науч.-аналит. жур. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2019. № 4. С. 89–97. EDN QPBTLA.
19. Методика анализа данных о чрезвычайных ситуациях в социальных сетях / А.В. Вострых [и др.] // Современные наукоемкие технологии. 2023. № 6. С. 81–88. DOI:https://doi.org/10.17513/snt.39635. EDN ZCOPNS.
20. Crisissense-llm: Instruction fine-tuned large language model for multi-label social media text classification in disaster informatics / K. Yin [et al.] // arXiv preprint arXiv:2406.15477. 2024. DOI:https://doi.org/10.48550/arXiv.2406.15477.
21. Lamsal R., Read M.R., Karunasekera S. CrisisTransformers: Pre-trained language models and sentence encoders for crisis-related social media texts // Knowledge-Based Systems. 2024. Vol. 296. P. 111916. DOI:https://doi.org/10.1016/j.knosys.2024.111916.
22. Fireexpert: Fire event identification and assessment leveraging cross-domain knowledge and large language model / G. Luo [et al.] // IEEE Transactions on Mobile Computing. 2025. DOI:https://doi.org/10.1109/TMC.2025.3528413.
23. A real-time mapping method for knowledge graph-driven large language models: a focus on indoor fire evacuations / T. Wang [et al.] // International Journal of Digital Earth. 2025. Vol. 18. № 1. P. 2468407. DOI:https://doi.org/10.1080/17538947.2025.2468407.
24. Wildfiregpt: Tailored large language model for wildfire analysis / Y. Xie [et al.] // arXiv preprint arXiv:2402.07877. 2024. DOI:https://doi.org/10.48550/arXiv.2402.07877.
25. Using large language models to extract core injury information from emergency department notes / D.H. Choi [et al.] // Journal of Korean Medical Science. 2024. Vol. 39. № 46. DOI:https://doi.org/10.3346/jkms.2024.39.e291.
26. Sim911: Towards effective and equitable 9-1-1 dispatcher training with an llm-enabled simulation / Z. Chen [et al.] // Proceedings of the AAAI Conference on Artificial Intelligence. 2025. Vol. 39. № 27. P. 27896–27904. DOI:https://doi.org/10.1609/aaai.v39i27.35006.
