potongan AI Dapat Membantu Membuat Kebakaran Hutan Lebih Cepat Ditemukan Dan Lebih Mudah Dilawan - Unite.AI
Terhubung dengan kami

Investasi

AI Dapat Membantu Membuat Kebakaran Hutan Lebih Cepat Ditemukan Dan Lebih Mudah Dilawan

mm
Updated on

Di negara bagian seperti California, musim kebakaran menjadi lebih lama dan lebih intens, sebagian besar didorong oleh perubahan iklim. Menanggapi meningkatnya ancaman dari kebakaran hutan, menurut CNN, berbagai startup telah menciptakan alat AI yang dimaksudkan untuk membantu mendeteksi kebakaran hutan.

Ini mungkin tampak jelas, tetapi deteksi dini penting untuk kebakaran hutan. Semakin dini kobaran api terdeteksi, semakin cepat dapat dipadamkan dan semakin sedikit kerusakan yang ditimbulkannya. Untungnya, alat AI yang dirancang oleh perusahaan seperti Descartes Labs, yang berbasis di Sante Fe, tampaknya lebih efektif dalam mendeteksi kebakaran hutan daripada petugas pemadam kebakaran atau warga sipil.

Alat pendeteksi kebakaran dari Descartes Labs mengambil sampel gambar dari satelit cuaca pemerintah setiap dua menit, membandingkan perbedaan gambar tersebut. Jika ada perbedaan sinyal termal di suatu wilayah, hal itu berpotensi mengindikasikan adanya kebakaran hutan.

Metode saat ini untuk mendeteksi kebakaran hutan terutama bergantung pada melihat api dengan pesawat atau menara pengawas, tetapi sistem yang menggunakan AI dan satelit dapat mendeteksi kebakaran hutan jauh lebih cepat daripada metode ini. Biro Kehutanan Negara Bagian New Mexico telah menyatakan bahwa alat AI telah membantu negara bagian menemukan kebakaran hutan jauh lebih cepat daripada sebelumnya. Alat tersebut juga memberikan deskripsi kepada responden pertama yang dapat membantu mempersempit lokasi kebakaran, yang mungkin sulit dilakukan saat ada banyak asap atau di pegunungan pada malam hari.

Descartes bukan satu-satunya perusahaan yang mencoba dan menggunakan AI untuk mendeteksi kebakaran hutan. Northrop Grumman baru-baru ini memulai kontrak dengan negara bagian Calfornia untuk merancang alat analisis kebakaran, dan startup Technosylva juga berinvestasi dalam pembuatan metode prediksi kebakaran.

Belum jelas apakah teknologi yang dirancang oleh perusahaan ini dapat meningkatkan risiko alarm palsu sebagai akibat dari peningkatan kepekaan terhadap kemungkinan kebakaran. Namun, yang jelas adalah bahwa alat AI yang dirancang oleh Descartes dapat benar-benar mendeteksi kebakaran hutan jauh lebih awal daripada beberapa metode pendeteksian kebakaran terbaik saat ini. Sebagai contoh, Descartes menyatakan bahwa sistem pendeteksian mereka dapat memberi tahu Los Angeles Times tentang koordinat kebakaran Kincade segera setelah kebakaran terjadi. Descartes menyatakan bahwa sejauh ini waktu deteksi tercepat mereka adalah sembilan menit setelah penyalaan api. Seperti dilansir CNN, Ernesto Alvarado, pakar kebakaran dan peneliti di University of Washington, sistem apa pun yang mampu mendeteksi api dalam waktu kurang dari 30 menit setelah penyalaan cukup mengesankan.

Descartes mulai mengeksplorasi metode lain menggunakan AI dan data untuk membantu mendeteksi dan melacak kebakaran. Misalnya, perusahaan sedang dalam proses merancang model elevasi digital yang dapat menggambarkan lereng curam yang dapat menghambat upaya pemadaman kebakaran. Descartes menyelesaikan ini dengan menggunakan berbagai algoritme yang masing-masing memberikan suara pada posisi api di peta dan mencapai konsensus.

Sementara alat yang dikembangkan oleh Descartes dan lainnya mungkin terbukti efektif untuk memungkinkan deteksi kebakaran yang lebih cepat, menempatkan tim tanggap api pada posisinya merupakan tantangan tersendiri dan kecuali masalah ini diselesaikan, algoritme deteksi kebakaran mungkin tidak seefektif mungkin secara teoritis. Sebagai contoh, bahkan setelah potensi kebakaran ditandai oleh peralatan Descartes, api harus diteruskan ke otoritas yang tepat, seperti kantor lapangan yang dapat memverifikasi keberadaan api. Setelah itu, pemberitahuan harus dikirim ke departemen pemadam kebakaran di area tersebut yang harus menilai cara terbaik untuk menanggapi kebakaran tersebut. Tantangan logistik ini mungkin membatasi seberapa efektif sistem pendeteksi kebakaran, tetapi meskipun demikian, ketika harus mendeteksi kebakaran, lebih awal selalu lebih baik.

Blogger dan programmer dengan spesialisasi di Pembelajaran mesin dan Belajar mendalam topik. Daniel berharap dapat membantu orang lain menggunakan kekuatan AI untuk kebaikan sosial.