AI kan hjælpe med at opdage og bekæmpe skovbrande hurtigere

I stater som Californien er skovbrandssæsonen blevet længere og mere intens, drevet primært af klimaforandringer. Som svar på den voksende trussel fra skovbrande, ifølge CNN, har forskellige startups udviklet AI-værktøjer, der er designet til at hjælpe med opdage skovbrande.

Det kan synes åbenlyst, men tidlig opdage er vigtigt for skovbrande. Jo tidligere branden opdages, jo hurtigere kan den indesluttes, og jo mindre skade vil den forvolde. Heldigvis synes AI-værktøjerne, der er designet af virksomheder som Descartes Labs, der har hjemsted i Sante Fe, at være mere effektive til at opdage skovbrande end både brandmænd og civile.

Det brandopdage-værktøj fra Descartes Labs sampler billeder fra regeringsvejrsatellitter hver andet minut og sammenligner billederne for forskelle. Hvis der er nogen forskel i termiske signaler i et område, kan det potentielt indikere tilstedeværelsen af en skovbrand.

De nuværende metoder til at opdage skovbrande afhænger primært af at spotte ild med enten fly eller udkigstårne, men et system, der anvender AI og satellitter, kan opdage skovbrande meget hurtigere end disse metoder. New Mexico State Forestry Bureaus har udtalt, at AI-værktøjet har bestemt hjulpet staten med at lokalisere skovbrande meget hurtigere end før. Værktøjet giver også førstehjælpspersoner beskrivelser, der kan hjælpe med at indsnævre, hvor en brand er, hvilket kan være svært, når der er meget røg eller over en bjergkæde om natten.

Descartes er ikke den eneste virksomhed, der har forsøgt at bruge AI til at opdage skovbrande. Northrop Grumman har nyligt indgået en kontrakt med staten Californien for at designe skovbrandanalyseværktøjer, og startup-virksomheden Technosylva har også investeret i udviklingen af skovbrandforudsigelsesmetoder.

Det er ikke klart endnu, om teknologierne, der er designet af disse virksomheder, kan øge risikoen for falske alarmer som følge af øget følsomhed over for mulige brande. Men hvad der er klart, er, at AI-værktøjerne, der er designet af Descartes, kan virkelig opdage skovbrande meget tidligere end selv nogle af de bedste nuværende brandopdage-metoder. For eksempel siger Descartes, at deres opdage-systemer kunne advare Los Angeles Times om koordinaterne for Kincade-branden meget kort tid efter, at branden startede. Descartes siger, at deres hurtigste opdagelsestid indtil nu er ni minutter efter brandens antændelse. Ifølge CNN, siger Ernesto Alvarado, skovbrandsekspert og forsker ved University of Washington, at ethvert system, der kan opdage en brand under 30 minutter efter antændelsen, er ret imponerende.

Descartes er begyndt at udforske andre metoder til at bruge AI og data til at hjælpe med at opdage og spore brande. For eksempel er virksomheden i gang med at designe digitale højdemodeller, der kan beskrive stejle skrænter, der kan hindre brandbekæmpelsesindsatsen. Descartes opnår dette ved at bruge en række algoritmer, der hver især stemmer om brandens position på en kort og kommer til enighed.

Selvom værktøjerne, der er udviklet af Descartes og andre, kan vise sig at være effektive til at muliggøre en hurtigere opdage af brande, er det en udfordring i sig selv at få brandrespons-holdene på plads, og medmindre dette problem løses, kan brandopdage-algoritmerne ikke være så effektive, som de teoretisk set kan være. For eksempel, selv efter at en potentiel brand er markeret af Descartes’ værktøjer, skal branden viderebefores til de rette myndigheder, såsom et feltkontor, der kan verificere brandens eksistens. Efter dette skal meddelelsen gå ud til brandafdelinger i området, der skal vurdere den bedste måde at reagere på branden på. Disse logistiske udfordringer kan påføre begrænsninger på, hvor effektive brandopdage-systemer kan være, men selvom, når det kommer til at opdage brande, er tidligere altid bedre.