Tekoäly voi auttaa havaitsemaan metsäpaloja nopeammin ja helpommin

Kalifornian kaltaisissa osavaltioissa metsäpalojen kausi on pidentynyt ja intensifioiduttu ilmastonmuutoksen myötä. Vastauksena kasvavaan metsäpalojen uhkaan CNN:n mukaan useat startup-yritykset ovat kehittäneet tekoälytyökaluja, joiden tarkoituksena on auttaa metsäpalojen havaitsemisessa.

On selvää, että varhainen havaitseminen on tärkeää metsäpalojen osalta. Mitä aikaisemmin palo havaitaan, sitä nopeammin se voidaan rajoittaa ja sitä vähemmän vahinkoa se aiheuttaa. Onneksi Descartes Labsin kehittämät tekoälytyökalut näyttävät olevan tehokkaampia metsäpalojen havaitsemisessa kuin sekä palokunta että siviilit.

Descartes Labsin palohavaintotyökalu ottaa näytteitä hallituksen sääsatelliiteista joka kaksi minuuttia, vertaamalla näitä kuvia toisiinsa. Jos alueen lämpömerkkien välillä on eroa, se voi osoittaa metsäpalon läsnäolon.

Nykyiset metsäpalojen havaitsemismenetelmät perustuvat pääasiassa palon havaitsemiseen joko lentokoneilla tai valvontatorneissa, mutta tekoälyä ja satelliitteja hyödyntävä järjestelmä voi havaita metsäpaloja nopeammin kuin nämä menetelmät. Uuden Meksikon osavaltion metsänhoitovirasto on ilmoittanut, että tekoälytyökalu on auttanut osavaltiota sijaintamaan metsäpaloja nopeammin kuin aiemmin. Työkalu tarjoaa myös ensivastejoukoille kuvauksia, jotka voivat auttaa määrittämään palon sijainnin, mikä voi olla haasteellista, kun on paljon savua tai mäkiä ylittävässä alueessa yöaikaan.

Descartes Labs ei ole ainoa yhtiö, joka on yrittänyt käyttää tekoälyä metsäpalojen havaitsemiseen. Northrop Grumman (NOC ) on aloittanut sopimuksen Kalifornian osavaltion kanssa metsäpalojen analyysityökalujen suunnittelua varten, ja Technosylva-startup on myös investoinut metsäpalojen ennustemenojen kehittämiseen.

Ei ole vielä selvää, lisäävätkö näiden yritysten kehittämät teknologiat virheellisten hälytysten riskiä tekoälyjärjestelmien lisääntyneen herkkyyden vuoksi. On kuitenkin selvää, että Descartes Labsin kehittämät tekoälytyökalut voivat havaita metsäpaloja paljon aikaisemmin kuin monet nykyiset parhaat metsäpalojen havaitsemismenetelmät. Esimerkiksi Descartes Labs kertoo, että heidän järjestelmänsä pystyi hälyttämään Los Angeles Times -sanomalehdelle Kincade-palon koordinaatit pian palon syttymisen jälkeen. Descartes Labs kertoo, että heidän nopein havaitsemisaikansa on ollut yhdeksän minuuttia palon syttymisen jälkeen. CNN:n mukaan Ernesto Alvarado, metsäpalojen asiantuntija ja tutkija Washingtonin yliopistosta, kertoo, että järjestelmä, joka pystyy havaitsemaan palon alle 30 minuutin kuluessa syttymisestä, on melko vaikuttava.

Descartes Labs on aloittamassa muita tekoälyä ja dataa hyödyntäviä menetelmiä metsäpalojen havaitsemiseen ja seurantaan. Esimerkiksi yhtiö on suunnittelemassa digitaalisia korkeusmalleja, jotka voivat kuvailla jyrkkäpiirteisiä alueita, jotka voivat haitata sammutustöitä. Descartes Labs toteuttaa tätä käyttämällä useita algoritmeja, jotka äänestävät palon sijainnista kartalla ja pääsevät yksimielisyyteen.

Vaikka Descartes Labsin ja muiden kehittämät työkalut voivat osoittautua tehokkaiksi metsäpalojen nopeamman havaitsemisen mahdollistamisessa, paloja vastaan taisteleminen on itsessään haaste. Ellei tätä ongelmaa ratkaista, metsäpalojen havaitsemisalgoritmit eivät välttämättä ole yhtä tehokkaita kuin teoriassa. Esimerkiksi kun Descartes Labsin työkalu havaitsee mahdollisen palon, se täytyy välittää oikeille viranomaisille, kuten kenttätoimistoon, joka voi vahvistaa palon olemassaolon. Tämän jälkeen ilmoitus täytyy lähettää alueen palokunnille, jotka arvioivat parhaimman vastauskeinon. Nämä logistiset haasteet voivat asettaa rajoituksia sille, kuinka tehokkaita metsäpalojen havaitsemisjärjestelmät voivat olla, mutta kuitenkin, kun on kyse metsäpalojen havaitsemisesta, aikaisempi havaitseminen on aina parempi.