Εθνική Φρουρά για την Ενίσχυση των Drone για την Ανίχνευση Πυρκαγιών με Τεχνητή Νοημοσύνη

Καθώς οι πυρκαγιές γίνονται μεγαλύτερες και πιο επικίνδυνες, διάφορες κυβερνητικές και ιδιωτικές υπηρεσίες έχουν στραφεί στην τεχνητή νοημοσύνη για την ανίχνευση και την πρόβλεψη των πυρκαγιών. Η Εθνική Φρουρά έχει πραγματοποιήσει πτήσεις αναγνώρισης στην Καλιφόρνια κατά τη διάρκεια του αργότερου καλοκαιριού και του φθινοπώρου για τα τελευταία χρόνια, αλλά τώρα τα drone που χρησιμοποιούνται για αυτές τις πτήσεις έχουν λαβεί αναβαθμίσεις με αλγόριθμους τεχνητής νοημοσύνης που έχουν ως στόχο να δημιουργούν αυτόματα χάρτες πυρκαγιών σε μια συγκεκριμένη περιοχή.

Η δημιουργία χαρτών πυρκαγιών είναι một εξαιρετικά δύσκολο έργο που απαιτεί ανάλυση δεδομένων για να χαρτογραφηθούν οι συνεχώς μεταβαλλόμενες πυρκαγιές καθώς κινούνται σε ορεινό έδαφος. Χρησιμοποιούνται αεροπορικές και εδαφικές παρατηρήσεις για να δημιουργηθούν χάρτες πυρκαγιών, και οι χάρτες πυρκαγιών συνήθως ενημερώνονται μόνο μία φορά την ημέρα. Οι μεγάλες πυρκαγιές μπορούν να κινούνται μέχρι 15 μίλια σε μια seule ημέρα, όπως έχει παρατηρηθεί σε κάποιες από τις πυρκαγιές αυτή τη σεζόν. Οι υπηρεσίες παρακολούθησης πυρκαγιών χρειάζονται ταχύτερους τρόπους συλλογής δεδομένων πυρκαγιών και ενημέρωσης χαρτών πυρκαγιών, και τα αεροπορικά drone σε συνδυασμό με την τεχνητή νοημοσύνη μπορούν να καλύψουν αυτήν την ανάγκη.

Οι συστήματα χαρτογράφησης πυρκαγιών, πολλά από τα οποία βασίζονται σε δεδομένα δορυφόρων, συνήθως χρησιμοποιούν μια από δύο διαφορετικές μεθόδους ανίχνευσης πιθανών πυρκαγιών. Οι πυρκαγιές ανιχνεύονται είτε με την ανίχνευση θερμότητας που προέρχεται από την επιφάνεια της Γης (ανίχνευση ασυνήθιστα ζεστών περιοχών) είτε με την ανάλυση εκπομπών αεροσολών (ανίχνευση των σωματιδίων καπνού που απελευθερώνονται στον αέρα καθώς καίγεται η βιομάζα). Μετά την ανίχνευση πιθανών πυρκαγιών, μπορούν να επιβεβαιωθούν με τη χρήση συστημάτων υψηλής ανάλυσης όπως τα drone. Οι κάμερες που είναι εξοπλισμένες με τα drone της Εθνικής Φρουράς μπορούν να δείξουν πυρκαγιές με ανάλυση 90 ποδιών πάνω από το έδαφος.

Η Εθνική Φρουρά έχει εξοπλίσει τα drone MQ-9 “Reaper” με αλγόριθμους τεχνητής νοημοσύνης που έχουν ως στόχο να ανιχνεύσουν πυρκαγιές και να δημιουργήσουν χάρτες πυρκαγιών. Οι αλγόριθμοι τεχνητής νοημοσύνης χρησιμοποιούνται για να συλλέξουν δεδομένα για τις ενεργές πυρκαγιές και να ανιχνεύσουν “spot fires” που έχουν ξεκινήσει από μεγαλύτερες πυρκαγιές. Το πρόγραμμα οδηγήθηκε από το Κέντρο Συνδυασμένης Τεχνητής Νοημοσύνης (JAIC), một διεύθυνση που δημιουργήθηκε από το Υπουργείο Άμυνας το 2018. Το σύστημα χαρτογράφησης πυρκαγιών του JAIC χρησιμοποιεί αλγόριθμους μηχανικής μάθησης που έχουν εκπαιδευτεί σε αεροφωτογραφίες πυρκαγιών του παρελθόντος με αναγραμμένες συνόρους. Ο αλγόριθμος μπορεί να λάβει μη είδη αεροφωτογραφίες με μόνο δεδομένα τοποθεσίας και να ανιχνεύσει πυρκαγιές, εξοδεύοντας einen χάρτη που δείχνει ποιες περιοχές καίγονται. Η τοποθεσία των spot fires σημειώνεται επίσης.

Συγκριτικά με τη διαδικασία δημιουργίας χαρτών πυρκαγιών που χρησιμοποιείται από άλλες υπηρεσίες, το σύστημα χαρτογράφησης πυρκαγιών του JAIC είναι πολύ ταχύτερο. Η διαδικασία χαρτογράφησης πυρκαγιών με την τεχνητή νοημοσύνη μπορεί να δημιουργήσει einen νέο χάρτη πυρκαγιών περίπου κάθε μισή ώρα. Σύμφωνα με την Εθνική Φρουρά της Καλιφόρνια, οι χάρτες που παράγονται από το νέο σύστημα είναι ακριβείς και η ανατροφοδότηση από το CalFire έχει sido θετική. Αν οι χάρτες συνεχίσουν να αποδεικνύονται αξιόπιστοι και μπορούν να ενσωματωθούν με επιτυχία στις επιχειρήσεις του CalFire, θα μπορούσε να αναπτυχθεί για να βοηθήσει στην ανίχνευση πυρκαγιών κατά τη διάρκεια της επόμενης σεζόν πυρκαγιών.

Πέρα από τη χαρτογράφηση των ορίων των τρεχουσών πυρκαγιών, η τεχνητή νοημοσύνη μπορεί να βοηθήσει τις ομάδες πυροσβεστών να προβλέψουν την κίνηση των πυρκαγιών. Το CalFire έχει αρχίσει να συνεργάζεται με ένα εργαλείο που ονομάζεται WildFire Analyst Enterprise. Το εργαλείο ανάλυσης πυρκαγιών δημιουργήθηκε από την Technosylva και λειτουργεί συνδυάζοντας διάφορα μοντέλα εξάπλωσης πυρκαγιών. Τα μοντέλα αυτά ενισχύονται με την χρήση αλγορίθμων μηχανικής μάθησης, εκπαιδευμένων στα χαρακτηριστικά των πυρκαγιών του παρελθόντος (όπως η υγρασία του φυτικού υλικού, οι καιρικές συνθήκες και οι εικόνες δορυφόρων). Το μοντέλο συγκρίνει δεδομένα για την τρέχουσα πυρκαγιά με τα δεδομένα των πυρκαγιών του παρελθόντος για να κάνει προβλέψεις για το πώς θα εξαπλωθεί η πυρκαγιά. Το λογισμικό επιτρέπει επίσης στον χρήστη να δημιουργήσει προσομοιώσεις με βάση το πώς αλλάζουν οι διάφορες μεταβλητές όπως οι καιρικές συνθήκες. Το εργαλείο προέβλεψε σωστά ότι η πυρκαγιά CZU Lightning Complex θα κινηθεί προς την πόλη Felton, επιτρέποντας στις ομάδες πυροσβεστών να φτάσουν νωρίς και να σώσουν πολλά κτίρια που μπορεί να μην είχαν σωθεί αλλιώς.

Εν τω μεταξύ, οι υπηρεσίες πυροσβεστών στην νότια Καλιφόρνια χρησιμοποιούν ένα διαφορετικό σύστημα ανίχνευσης και πρόβλεψης πυρκαγιών που ονομάζεται FireMap, που αναπτύχθηκε από το Wifire Lab. Το FireMap χρησιμοποιεί αεροπορικά και εδαφικά δεδομένα από κάμερες, καθώς και κλιματικές συνθήκες, καιρικές συνθήκες, την υγρασία του φυτικού υλικού και άλλα, για να προβλέψει πού θα εξαπλωθούν οι πυρκαγιές.

Καθώς δημιουργούνται περισσότερα πλαίσια ανίχνευσης και πρόβλεψης πυρκαγιών που βασίζονται στην τεχνητή νοημοσύνη, τα drone θα γίνουν πιθανότατα όλο και πιο σημαντικά. Οι δορυφόροι είναι εξαιρετικά χρήσιμοι, αλλά έχουν περιορισμούς σχετικά με τον τύπο και τον όγκο των δεδομένων που μπορούν να συλλέξουν. Δύο τύποι δορυφόρων χρησιμοποιούνται για τη συλλογή δεδομένων: δορυφόροι πολικού περιπολικού και γεωσυγχρονικοί δορυφόροι. Οι δορυφόροι πολικού περιπολικού μπορούν να λάβουν υψηλής ανάλυσης εικόνες, αλλά οι εικόνες λαμβάνονται μόνο δύο φορές την ημέρα. Αντίθετα, οι εικόνες που λαμβάνονται από γεωσυγχρονικούς δορυφόρους λαμβάνονται πιο συχνά, συνήθως κάθε 5 λεπτά ή περίπου. Ωστόσο, οι γεωσυγχρονικοί δορυφόροι πρέπει να πετάξουν περίπου 22.000 μίλια πάνω από την επιφάνεια της Γης για να παραμείνουν σε συγχρονισμό με την τροχιά της Γης. Κατά συνέπεια, οι εικόνες αυτές περιέχουν πολύ λιγότερες λεπτομέρειες από τους δορυφόρους πολικού περιπολικού. Τα drone μπορούν να βοηθήσουν να γεμίσουν τα κενά στα δεδομένα, λαμβάνοντας πιο σταθερές και λεπτομερείς εικόνες μιας περιοχής ενδιαφέροντος.