Startup-kulttuurin ja villieläinten sietokyvyn asiantuntijat työskentelevät yhdessä kehittääkseen uusia tapoja sammuttaa tulipaloja.
Yksi tekoälyn arvokkaimmista palontorjuntasovelluksista on ennustaa, miten tuli käyttäytyy tai mistä se alkaa.
Suuri osa palontorjuntaa on logistiikka, ja se on yksi tärkeimmistä koneoppimisen kansisovelluksista yleensä.
Jotkut tämän päivän taitavimmista palomiehistä eivät ole ihmisiä. Kun maastopalojen määrä ja voimakkuus Yhdysvaltojen länsiosassa ovat lisääntyneet, se on herättänyt kiirettä uudentyyppisille tekniikoille, jotka voivat auttaa torjumaan niitä. Se sisältää koneoppimisen data-analytiikkaa, droneja, miehittämättömiä ilma-aluksia ja satelliittivalvontaa varten. Pelkästään Kalifornia on seurannut 4,2 miljoonaa hehtaaria vuonna 2020, ja viisi osavaltion historian kuudesta suurimmasta tulipalosta tapahtui samanaikaisesti. Tämä on johtanut useiden teknologialähtöisten palontorjuntaratkaisujen hyväksymiseen osavaltiossa, mukaan lukien ennakoiva analytiikka, palon havaitseminen kiertoradalta ja tekoälyllä toimivien laitteiden tarkastukset. «Tekoälyä tukevia järjestelmiä käytetään jo koordinoimaan katastrofiapua, suorittamaan tiedusteluja ja välittömiä elvytystoimia. Toimitusketjujen kuvioiden, trendien ja poikkeavuuksien havaitsemisesta ja logistiikkatuesta on myös tullut yleinen tehtävä koneoppimisalgoritmeille», JT sanoo. Kostman, tekoälyyrityksen ProtectedBy.AI:n toimitusjohtaja Lifewiren haastattelussa. «Nämä ominaisuudet voidaan konfiguroida täyttämään supermarkettien hyllyt tai tarjoamaan apua luonnonkatastrofien jälkeen.»
Silmät taivaalla
Maastopalojen hallinnassa on yllättävä ongelma, jota ei käsitellä juurikaan. Yksinkertaisesti sanottuna maastopaloja, erityisesti uusia tai pienempiä luonnonilmiöiden aiheuttamia tulipaloja, voi olla vaikea löytää. Jos salama iskee puuhun keskellä ei mitään tai eristetty sähköjohto putoaa jonnekin kaupunkien väliin, se voi olla useita hehtaareja tulta, kun ihminen näkee sen. «…aika kehittää tekoälypohjaisia järjestelmiä, jotka voivat pitää meidät turvassa, ei ole huomenna. Se oli eilen.» Sinänsä yksi tekoälyn tärkeimmistä tehtävistä palontorjunnassa nykyään on havaitseminen ja analysointi: yksittäisten tulipalojen löytäminen kaukaisista paikoista, niiden jäljittäminen ja alkusytytyksen laukaisevan syyn määrittäminen. Yksi merkittävä syy on sähköjohdot, kuten Kalifornian Tyynenmeren kaasu- ja sähkökatastrofit osoittavat. Yleensä nämä johdot on suunniteltu siten, että ne eivät kosketa toisiaan ja aiheuttavat korkean energian kipinöintiä. Voimakas tuuli tai epätavallinen kuivakausi voi kuitenkin saada siimat heilumaan, mikä aiheuttaa kipinöitä ja kuuman metallin palasia putoamalla siimoista, mikä voi sytyttää kuivan kasvillisuuden. «Mahdollisena ratkaisuna helikopteripartioilla ja miehittämättömillä dronelentotutkimuksilla kerätyt ilmakuvat yhdistetään tekoälypohjaisiin simulaatiomalleihin, jotta voidaan arvioida maastopalojen potentiaalia eri poikkeavien tekijöiden välillä», sanoi David Cox, energia- ja yleishyödyllisten konsulttien johtaja. Cognizantissa Lifewiren haastattelussa. «Mallinnuksen tulos syötetään erilaisiin geospatiaalisiin visuaalisiin kojetauluihin riskialttiiden piirilinjojen tunnistamiseksi. Tämä lähestymistapa on auttanut laitoksia priorisoimaan verkkojärjestelmän ylläpidon alueilla, joilla on korkein riskiprofiili. Tällä hetkellä käytössä jo olemassa olevien tekoälypohjaisten mallien lisäksi. ennusteiden tarkkuuden parantamiseksi.» «Sama tekniikka, joka erottaa tarkasti koiran kissasta», Kostman sanoi, «voidaan virittää hot spottien löytämiseksi käyttämällä perinteistä ja lämpökuvausta kameroiden, droonien ja satelliittien kautta.»
Kuinka leikkiä tulella
Toinen Berkeley-projekti, jota johtaa Tarek Zohdi Fire Research Groupista, käyttää koneoppimista tuottamaan «digitaalisen kaksosen» – virtuaalisen kopion olemassa olevasta tulipalosta – jota datatutkijat käyttävät testitapauksena.
Digitaalisen kaksonen avulla datatutkijat voivat tuottaa järkevän mallin tulipalon tulevasta käyttäytymisestä, mikä mahdollistaa palomiehille tietoisemman logistiikan. On helpompi kartoittaa pakosuunnitelma metsäpalon ympärille tai yli, jos sinulla on esimerkiksi hyvä käsitys, minne kulopalo on menossa. Samanlaisia hankkeita on käynnissä samoilla ehkäisyvaikutusten ja biosfäärimallinnusosastolla, kuten selvittää, minä päivänä on parasta tehdä «määrätyt palovammat», tahallinen tulipalo aloitettu luonnonympäristön hoitamiseksi ja suojelemiseksi. Tällä hetkellä metallisin metsäpalontorjuntatekniikka on kuitenkin droonien käyttö pommituksessa. Aiempina vuosikymmeninä maanhoitajat suorittivat omia määrättyjä palovammoja ilmasta pudottamalla kaliumglykolipanoksia, joita kutsutaan «lohikäärmeen muniksi» helikopterilla. Nyt droonit voivat tehdä saman, halvemmalla ja tarkemmin käyttämällä samoja lohikäärmeen munia luomaan esteitä aktiivisia maastopaloja vastaan ryöstämällä varovasti tulipaloista polttoainetta, jota ne voisivat käyttää laajentamiseen. «On valitettavaa taipumus odottaa katastrofien tapahtumista ennen kuin kehitetään kykyä käsitellä niitä», Kostman sanoo. «Kun otetaan huomioon eksistentiaaliset uhat, joita ihmiskunta kohtaa nyt – ilmastonmuutos, globaalit pandemiat, ennennäkemättömät kyberuhat, taloudellinen apartheid, poliittinen epävakaus ja autoritaarisuuden riehuva nousu – aika kehittää tekoälyjärjestelmiä, jotka voivat pitää meidät turvassa, ei ole huomenna. Se oli eilen. .»
