هنگامی که آتش سوزی در جنگل شعله ور می شود، تفاوت بین یک آتش سوزی مهار شده و یک محله ویران شده اغلب در چند دقیقه اندازه گیری می شود. مجموعه جدیدی از ماهوارههای مجهز به هوش مصنوعی، همراه با شبکهای رو به رشد از دوربینهای هوشمند، شروع به از بین بردن این شکاف کردهاند – تشخیص آتشسوزی قبل از اینکه کسی با ۹۱۱ تماس بگیرد.
گزارشی که روز دوشنبه توسط گاردین و Climate Central منتشر شد، جزئیاتی را نشان می دهد که چگونه سه ماهواره اول FireSat که توسط موشک اسپیس ایکس در ماه ژوئیه به مدار منتقل شدند، قطعه اولیه یک شبکه برنامه ریزی شده متشکل از 50 ماهواره را تشکیل می دهند که صرفاً برای شناسایی آتش سوزی های جنگلی ساخته شده اند در حالی که هنوز به اندازه کافی کوچک هستند تا متوقف شوند. For more context on this story, see our ongoing latest AI developments.
FireSat: صورت فلکی ساخته شده برای آتش
آب و هوای موجود و ماهوارههای رصد زمین میتوانند آتشسوزیهای بزرگ را تشخیص دهند، اما آنها اغلب فاقد وضوح هستند یا به ندرت از همان مکان بازدید میکنند تا بتوانند آتشهای کوچک را در مدت کوتاهی پس از اشتعال ایجاد کنند. FireSat دقیقاً برای پر کردن این شکاف طراحی شده است: این سیستم برای تشخیص آتشسوزیهایی به کوچکی یک آتشسوزی ساحلی ساخته شده است و هنگامی که صورت فلکی کامل مستقر شد، تقریباً هر 20 دقیقه هر نقطه از زمین را اسکن میکند.
این ماهواره ها از حسگرهای مادون قرمز و هوش مصنوعی برای جست و جوی گرمایی استفاده می کنند که می تواند نشانه آتش سوزی جدید باشد. این سیستم تصاویر جدید را با تصاویر قبلی مقایسه میکند و عواملی مانند شرایط آب و هوایی و منابع گرمای نزدیک را قبل از ارسال هشدار به امدادگران اضطراری در نظر میگیرد - رویکردی که برای شناسایی آتشسوزیهای واقعی و در عین حال کاهش هشدارهای کاذب طراحی شده است.
شبکه زمینی Pano AI
در کوههای غرب دنور، تکنسینها اخیراً از یک برج سلولی 150 فوتی بالا رفتند تا یک جفت دوربین تشخیص آتشسوزی را که توسط Pano AI، یک استارتآپ در سانفرانسیسکو ساخته شده بود، که بیش از 1400 دوربین را در 17 ایالت نصب کرده بود، بررسی کنند. دوربینها بهطور مداوم مناظر برجها و قلهها را اسکن میکنند در حالی که هوش مصنوعی هر تصویر را بررسی میکند - جستجوی دود در طول روز و نشانههای گرما پس از تاریکی.
آرویند ساتیام، یکی از بنیانگذاران هوش مصنوعی Pano به Climate Central گفت: «الگوریتمهای هوش مصنوعی به طور مداوم بر روی آن تصاویر اجرا میشوند تا بگویند «دود، نه دود». "در شب، ما به علائم گرما نگاه می کنیم، بنابراین گرما در مقابل سرما. و سپس می توانیم بزرگنمایی کنیم و تأیید کنیم که این یک شروع آتش سوزی بالقوه است."
اگر سیستم یک آتش سوزی احتمالی را تشخیص دهد، یک تحلیلگر انسانی تصاویر را قبل از ارسال هشدار به سازمان های آتش نشانی بررسی می کند - فرآیندی که اغلب فقط چند دقیقه طول می کشد.
آتش نشانان می گویند که سر استارت مهم است. برندان فینگان، دستیار رئیس سازمان نجات آتشنشانی مترو غربی در نزدیکی دنور، گفت: «داشتن آن چشمهایی که میتوانند قبل از تماس احتمالی 911 به ما هشدار دهند، آن را به ابزاری ارزشمند برای ما تبدیل میکند.
سیستم کالیفرنیا نیمی از آتش سوزی های قبل از 911 را می گیرد
کالیفرنیا یکی از بزرگترین شبکه های دوربین در کشور را از طریق Alert California ساخته است، سیستمی متشکل از بیش از 1200 دوربین که توسط Cal Fire استفاده می شود. رئیس Phillip SeLegue گفت که این شبکه اکنون حدود نیمی از آتش سوزی های جنگلی را قبل از اینکه کسی با 911 تماس بگیرد شناسایی می کند.
یکی از آتشسوزیهای اخیر در نزدیکی فرسنو تقریباً 20 دقیقه قبل از رسیدن اولین تماس اضطراری به مأموران مشاهده شد. آتش نشانان به سرعت واکنش نشان دادند و از گسترش آتش جلوگیری کردند. SeLegue گفت: «در Cal Fire، یکی از ماموریتهای ما سرکوب 95 درصد آتشسوزیهایمان در 10 هکتار یا کمتر است. "این سیستم به ما در دستیابی به آن هدف کمک می کند."
شبکه کشف اعتماد فرماندهان حادثه را جلب کرده است. SeLegue گفت: "ما به اندازه کافی به آن اعتماد داریم که وقتی آن شناسایی را دریافت می کنیم، در حال حاضر فرآیند ارسال منابع به آن را شروع می کنیم."
چرا دقیقه مهم است
آتش سوزی ها به یکی از مخرب ترین بلایای طبیعی در ایالات متحده تبدیل شده اند. به گزارش Climate Central، برخی از مناطق غربی ایالات متحده اکنون حدود دو ماه بیشتر از سال 1970 با آب و هوای آتش سوزی مواجه می شوند که نتیجه آن افزایش دما، خشکسالی طولانی مدت و دوره های مکرر هوای گرم، خشک و بادی است.
آتشسوزی در اسپوکین، واشنگتن، تابستان امسال - از جمله آتشسوزی Old Trails که محلهها را در ماه آگوست سوزاند - آخرین یادآوری است که تشخیص آتشسوزی میتواند به اندازه محل شروع آن مهم باشد.
ماهواره ها و دوربین های زمینی طوری طراحی شده اند که با هم کار کنند: دوربین ها فقط می توانند مناظر روبروی خود را ببینند، در حالی که ماهواره ها می توانند مناطق وسیعی از جنگل ها، کوه ها و علفزارهای دورافتاده را که در آن دوربینی وجود ندارد و اغلب افرادی برای گزارش آتش سوزی وجود ندارند، تماشا کنند. در مجموع، آنها تصویر سریعتر و کامل تری از محل شروع آتش سوزی به آتش نشانان می دهند.
آتشسوزی که به سرعت تشخیص داده میشود و در حالی که هنوز کوچک است خاموش میشود، به ندرت خبرساز میشود - این دقیقاً نتیجهای است که آتشنشانان برای رسیدن به آن تلاش میکنند. SeLegue گفت: "آتش سوزی هایی که این سیستم به ما در ارسال منابع کمک کرده است، آتش سوزی هایی هستند که در روزنامه ها درباره آنها نمی خوانید." "آنهایی که شما نمی بینید."
کتاب بازی در حال گسترش برای هوش مصنوعی در واکنش به بلایا
ساختار تشخیص آتشسوزی بخشی از روند گستردهتر سیستمهای هوش مصنوعی است که در برابر بلایای طبیعی، از پیشبینی مسیر طوفان گرفته تا نقشهبرداری سیل، به کار گرفته میشوند. چیزی که لایه تشخیص آتش را متمایز می کند حلقه بسته آن است: داده های ماهواره و دوربین از طریق طبقه بندی کننده های یادگیری ماشینی جریان می یابد، در عرض چند دقیقه توسط تحلیلگران انسانی تأیید می شود و تصمیم اعزام را آغاز می کند - گاهی اوقات قبل از اینکه هر انسانی متوجه دود در افق شود.
برای آژانس های خدمات اضطراری، اقتصاد نیز قانع کننده است. شبکههای دوربین و اشتراک دادههای ماهوارهای کسری از هزینهای که یک آتشسوزی بزرگ برای سرکوب مصرف میکند، هزینه میکنند، و با جمعآوری تصاویر بیشتر، سیستمها بهبود مییابند. با توجه به اینکه صورت فلکی FireSat هنوز چندین سال از استقرار کامل باقی مانده است، دستاوردهای کوتاه مدت از زمین حاصل خواهد شد: Pano AI و Alert California هر دو در حال گسترش ردپای خود هستند و سازمان های آتش نشانی در سایر ایالت ها در حال مطالعه مدل کالیفرنیا هستند.
ترکیب پوشش مداری و اعتبارسنجی سطح زمین به آیندهای اشاره میکند که در آن دیگر سوال این است که آیا آتشسوزی گزارش میشود یا خیر، بلکه این سوال این است که چند دقیقه پس از احتراق موتور اول شروع به غلتیدن میکند.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
