השקעות
AI יכול לעזור להפוך שריפות שדה למהיר יותר לאיתור וקל יותר להילחם
במדינות כמו קליפורניה, עונת השריפות התארכה ואינטנסיבית יותר, מונעת בעיקר על ידי שינויי אקלים. בתגובה לאיום הגובר משריפות בשדה קוצים, על פי CNN, סטארטאפים שונים יצרו כלי בינה מלאכותית שנועדו לסייע באיתור שריפות.
זה אולי נראה מובן מאליו, אבל גילוי מוקדם חשוב לשריפות. ככל שהשריפה מתגלה מוקדם יותר כך ניתן יהיה לכבוש אותה מהר יותר ולגרום לה פחות נזק. למרבה המזל, נראה כי כלי הבינה המלאכותית שתוכננו על ידי חברות כמו Descartes Labs, שבסיסה בסנטה פה, יעילים יותר בזיהוי שריפות מאשר כבאים או אזרחים.
הכלי לגילוי אש מבית Descartes Labs דוגם תמונות מלווייני מזג אוויר ממשלתיים כל שתי דקות, ומשווה בין התמונות להבדלים. אם יש הבדל כלשהו באותות התרמיים באזור, זה עשוי להצביע על נוכחות של שריפה בשדה קוצים.
השיטות הנוכחיות לגילוי שריפות מסתמכות בעיקר על איתור אש במטוסים או במגדלי תצפית, אך מערכת העושה שימוש בבינה מלאכותית ולוויינים יכולה לזהות שריפות הרבה יותר מהר משיטות אלו. לשכות היערות של מדינת ניו מקסיקו הצהירו שכלי הבינה המלאכותית בהחלט עזר למדינה לאתר שריפות הרבה יותר מהר מבעבר. הכלי גם מספק למגיבים הראשונים תיאורים שיכולים לעזור לצמצם את היכן שריפה, דבר שיכול להיות קשה כאשר יש עשן רב או מעל רכס הרים בלילה.
דקארט היא לא החברה היחידה שמנסה להשתמש בבינה מלאכותית כדי לזהות שריפות יער. Northrop Grumman החלה לאחרונה בחוזה עם מדינת קלפורניה לתכנון כלים לניתוח שריפות, וגם הסטארט-אפ Technosylva השקיע ביצירת שיטות חיזוי שריפות.
עדיין לא ברור אם הטכנולוגיות שתוכננו על ידי חברות אלו עשויות להגביר את הסיכון לאזעקות שווא כתוצאה מהגברת הרגישות לשריפות אפשריות. עם זאת, מה שברור הוא שכלי הבינה המלאכותית שתוכננה על ידי דקארט יכולים באמת לזהות שריפות יער הרבה יותר מוקדם אפילו משיטות גילוי האש הטובות ביותר כיום. לדוגמה, דקארט מצהיר כי מערכות הגילוי שלהם הצליחו להתריע בפני הלוס אנג'לס טיימס על הקואורדינטות של השריפה בקינקד זמן קצר מאוד לאחר תחילת השריפה. דקארט קובע שעד כה זמן הזיהוי המהיר ביותר שלהם הוא תשע דקות לאחר הצתת האש. כפי שפורסם ב- CNN, ארנסטו אלווארדו, מומחה לשריפות וחוקר באוניברסיטת וושינגטון, כל מערכת שמסוגלת לזהות שריפה תוך פחות מ-30 דקות לאחר ההצתה היא די מרשימה.
דקארט מתחיל לחקור שיטות אחרות לשימוש בבינה מלאכותית ובנתונים כדי לסייע בזיהוי ומעקב אחר שריפות. לדוגמה, החברה נמצאת בתהליך של תכנון מודלים של גובה דיגיטלי שיכולים לתאר מדרונות תלולים שעלולים להפריע למאמצי הכיבוי. דקארט משיג זאת על ידי שימוש במגוון אלגוריתמים שכל אחד מצביע על מיקומו של שריפה במפה ומגיעים לקונצנזוס.
בעוד שהכלים שפותחו על ידי דקארט ואחרים עשויים להוכיח את עצמם כיעילים לאפשר זיהוי מהיר יותר של שריפות, העמדת צוותי תגובת אש למקומם היא אתגר בפני עצמו, ואם לא נפתרה בעיה זו, אלגוריתמי גילוי אש עשויים שלא להיות יעילים ככל האפשר תיאורטית. כדוגמה, גם לאחר שריפה פוטנציאלית מסומנת על ידי הכלים של דקארט, יש להעביר את השריפה לרשויות הנכונות, כגון משרד שטח שיכול לאמת את קיומה של השריפה. לאחר מכן על ההודעה לצאת למכבי האש באזור שעליהם להעריך את הדרך הטובה ביותר להגיב לשריפה. האתגרים הלוגיסטיים הללו עשויים להטיל מגבלות על כמה יעילות מערכות גילוי אש יכולות להיות, אבל למרות זאת, כשמדובר בגילוי שריפות, מוקדם יותר תמיד טוב יותר.
