Národní garda bude doplňovat drony pro vyhledávání požárů pomocí umělé inteligence

Jelikož se požáry stávají většími a nebezpečnějšími, various vládní a soukromé agentury se obrátily k umělé inteligenci, aby detekovaly a potenciálně předpovídaly lesní požáry. Národní garda provádí průzkumné lety v Kalifornii během pozdního léta a podzimu v posledních letech, ale nyní drony používané pro tyto lety obdržely upgrade s algoritmy umělé inteligence určené k automatickému generování map požárů v rámci určité oblasti.

Vytvoření map požárů je nesmírně obtížný proces, který vyžaduje analýzu dat pro mapování neustále se měnících požárů, jak se pohybují přes drsný terén. Používají se jak letecká, tak pozemní pozorování pro vytvoření map požárů, a mapy požárů jsou obvykle aktualizovány pouze jednou denně. Velké požáry mohou projet až 15 mil během jednoho dne, jak bylo vidět u některých požárů v této požární sezóně. Agentury pro monitorování požárů potřebují rychlejší způsoby sběru dat o požárech a aktualizace map požárů, a vzdušné drony v kombinaci s umělou inteligencí mohou tuto potřebu řešit.

Systémy pro mapování požárů, z nichž mnohé spoléhají na satelitní data, obvykle využívají jednu ze dvou různých metod detekce možných požárů. Požáry jsou detekovány buď pomocí senzorů tepla ze zemského povrchu (detekce neobvykle teplých oblastí) nebo pomocí analýzy aerosolových emisí (detekce částic kouře uvolněných do vzduchu, když se spaluje biomasa). Po detekci potenciálních požárů lze je potvrdit pomocí vysokorozlišených zobrazovacích systémů, jako jsou drony. Kamery, které jsou vybaveny drony Národní gardy, jsou schopny zobrazit požáry v rozlišení až 90 stop nad zemí.

Národní garda vybavila své drony MQ-9 „Reaper“ algoritmy umělé inteligence určenými k detekci požárů a generování map požárů. Algoritmy umělé inteligence se používají ke sběru dat o aktivně hořících požárech a detekci „požárů“ zapálených většími požáry. Projekt byl řízen Joint Artificial Intelligence Center (JAIC), divizí vytvořenou Pentagonem v roce 2018. Systém pro mapování požárů JAIC využívá algoritmy strojového učení, které byly vyškoleny na leteckých záběrech minulých požárů s anotovanými hranicemi. Algoritmus může poté zpracovat nezobrazené obrázky s pouze lokálními daty a detekovat požáry v nich, přičemž výstupem je mapa, která ukazuje, které oblasti hoří. Poloha „požárů“ je také označena.

V porovnání s denním procesem generování map požárů, který používají jiné agentury, je systém pro mapování požárů JAIC mnohem rychlejší. Proces generování map požárů pomocí umělé inteligence může vygenerovat novou mapu požárů přibližně každých třicet minut. Podle Kalifornské letecké národní gardy jsou mapy vygenerované novým systémem přesné a zpětná vazba od CalFire je pozitivní. Pokud se mapy ukážou jako spolehlivé a mohou být úspěšně integrovány do operací CalFire, mohly by být nasazeny, aby pomohly detekovat požáry během příští požární sezóny.

Mimo mapování hranic aktuálních požárů může umělá inteligence pomoci hasičským týmům předpovídat pohyb požárů. CalFire samo nedávno začalo pracovat s nástrojem nazvaným WildFire Analyst Enterprise. Nástroj pro analýzu lesních požárů byl vytvořen společností Technosylva a funguje tak, že kombinuje různé modely šíření požárů. Tyto modely jsou vylepšeny pomocí algoritmů strojového učení, které byly vyškoleny na funkcích minulých lesních požárů (jako je vlhkost vegetace, povětrnostní podmínky a satelitní snímky). Model poté porovnává data o aktuálním požáru s daty o minulých požárech, aby předpovídal, jak se požár může šířit. Software také umožňuje uživateli vytvářet simulace na základě toho, jak se mění různé proměnné, jako jsou povětrnostní podmínky. Nástroj správně předpověděl, že požár CZU Lightning Complex se bude pohybovat směrem k městu Felton, což umožnilo hasičským týmům dorazit včas a zachránit mnoho struktur, které by jinak nemusely být zachráněny.

Zatímco hasičské oddělení v jižní Kalifornii využívají jiný systém pro sledování a předpovídání požárů nazvaný FireMap, vyvinutý laboratoří Wifire. FireMap využívá jak letecká, tak pozemní data z kamer, stejně jako klimatické podmínky, větrné podmínky, vlhkost vegetace a další, aby předpověděl, kam se požáry rozšíří.

Jakmile budou vytvořeny více platformy pro detekci a předpovídání požárů pomocí umělé inteligence, drony se pravděpodobně stanou stále důležitějšími. Satelity jsou extrémně užitečné, ale mají omezení, pokud jde o typ a objem dat, které mohou shromáždit. Dva typy satelitů se používají pro shromažďování dat: polární orbitální satelity a geosynchronní satelity. Polární orbitální satelity jsou schopny pořizovat vysokorozlišené snímky, ale snímky jsou pořizovány pouze dvakrát denně. Naopak snímky pořízené geosynchronními satelity jsou pořizovány častěji, obvykle každých pět minut nebo tak. Geosynchronní satelity však musí letět přibližně 22 000 mil nad zemským povrchem, aby zůstaly v synchronizaci se zemskou orbitou. V důsledku toho tyto snímky obsahují mnohem méně detailů než polární orbitální satelity. Drony mohou pomoci vyplnit mezery v datech a získat více konstantních a podrobných snímků oblasti zájmu.