ການລົງທຶນ
AI ສາມາດຊ່ວຍເຮັດໃຫ້ໄຟໄໝ້ປ່າໄດ້ໄວຂຶ້ນ ແລະສາມາດຕໍ່ສູ້ໄດ້ງ່າຍຂຶ້ນ
ໃນລັດຕ່າງໆ ເຊັ່ນ: ຄາລິຟໍເນຍ, ລະດູໄຟໄໝ້ປ່າໄດ້ແກ່ຍາວ ແລະ ຮຸນແຮງຂຶ້ນ, ເຊິ່ງສ່ວນໃຫຍ່ແມ່ນຍ້ອນການປ່ຽນແປງຂອງດິນຟ້າອາກາດ. ເພື່ອຕອບໂຕ້ໄພຂົ່ມຂູ່ຈາກໄຟປ່າທີ່ເພີ່ມຂຶ້ນ, ອີງຕາມ CNN, ການເລີ່ມຕົ້ນຕ່າງໆໄດ້ສ້າງເຄື່ອງມື AI ທີ່ມີຈຸດປະສົງເພື່ອຊ່ວຍເຫຼືອໃນການກວດສອບໄຟໄຫມ້ປ່າ.
ມັນອາດຈະເບິ່ງຄືວ່າຈະແຈ້ງ, ແຕ່ການກວດພົບໄວແມ່ນສໍາຄັນຕໍ່ກັບໄຟໄຫມ້ປ່າ. ເມື່ອຖືກກວດພົບເຫັນໄຟໄໝ້ໄວເທົ່າໃດກໍຍິ່ງສາມາດຄວບຄຸມໄດ້ໄວຂຶ້ນ ແລະ ຄວາມເສຍຫາຍຈະເຮັດໄດ້ໜ້ອຍລົງ. ໂຊກດີ, ເຄື່ອງມື AI ທີ່ຖືກອອກແບບໂດຍບໍລິສັດເຊັ່ນ Descartes Labs, ຢູ່ໃນ Sante Fe, ເບິ່ງຄືວ່າມີປະສິດທິພາບໃນການກວດສອບໄຟໄຫມ້ປ່າຫຼາຍກວ່ານັກດັບເພີງຫຼືພົນລະເຮືອນ.
ເຄື່ອງມືກວດຫາໄຟຈາກ Descartes Labs ຕົວຢ່າງຮູບພາບຈາກດາວທຽມສະພາບອາກາດຂອງລັດຖະບານທຸກໆສອງນາທີ, ປຽບທຽບຮູບພາບສໍາລັບຄວາມແຕກຕ່າງ. ຖ້າມີຄວາມແຕກຕ່າງກັນໃນສັນຍານຄວາມຮ້ອນໃນພາກພື້ນ, ມັນອາດຈະຊີ້ໃຫ້ເຫັນເຖິງການມີໄຟໄຫມ້ປ່າ.
ວິທີການກວດຫາໄຟປ່າໃນປະຈຸບັນແມ່ນອີງໃສ່ການຈຸດໄຟໄຫມ້ດ້ວຍຍົນຫຼືຫໍຄອຍ, ແຕ່ລະບົບທີ່ນໍາໃຊ້ AI ແລະດາວທຽມສາມາດກວດພົບໄຟໄຫມ້ປ່າໄດ້ໄວກວ່າວິທີການເຫຼົ່ານີ້. ກົມປ່າໄມ້ຂອງລັດນິວເມັກຊິໂກກ່າວວ່າ ເຄື່ອງມື AI ໄດ້ຊ່ວຍລັດໃຫ້ຊອກຫາບ່ອນເກີດໄຟໄໝ້ປ່າໄດ້ໄວກວ່າແຕ່ກ່ອນ. ເຄື່ອງມືດັ່ງກ່າວຍັງໃຫ້ຜູ້ຕອບແບບທໍາອິດທີ່ມີຄໍາອະທິບາຍທີ່ສາມາດຊ່ວຍແຄບລົງບ່ອນທີ່ມີໄຟໄຫມ້, ເຊິ່ງອາດຈະມີຄວາມຫຍຸ້ງຍາກໃນເວລາທີ່ມີຄວັນໄຟຫຼາຍຫຼືຢູ່ເທິງພູເຂົາໃນຕອນກາງຄືນ.
Descartes ບໍ່ແມ່ນບໍລິສັດດຽວທີ່ຈະພະຍາຍາມແລະໃຊ້ AI ເພື່ອກວດພົບໄຟໄຫມ້ປ່າ. Northrop Grumman ບໍ່ດົນມານີ້ໄດ້ເລີ່ມຕົ້ນສັນຍາກັບລັດ Calfornia ເພື່ອອອກແບບເຄື່ອງມືການວິເຄາະໄຟໄຫມ້ປ່າ, ແລະບໍລິສັດ Technosylva ເລີ່ມຕົ້ນຍັງໄດ້ລົງທຶນໃນການສ້າງວິທີການຄາດຄະເນໄຟໄຫມ້ປ່າ.
ມັນຍັງບໍ່ທັນເປັນທີ່ຈະແຈ້ງເທື່ອວ່າເທັກໂນໂລຍີທີ່ອອກແບບໂດຍບໍລິສັດເຫຼົ່ານີ້ອາດຈະເພີ່ມຄວາມສ່ຽງຂອງສັນຍານເຕືອນທີ່ບໍ່ຖືກຕ້ອງເນື່ອງຈາກຄວາມອ່ອນໄຫວເພີ່ມຂຶ້ນຕໍ່ກັບໄຟໄຫມ້ທີ່ເປັນໄປໄດ້. ເຖິງຢ່າງໃດກໍ່ຕາມ, ສິ່ງທີ່ເຫັນໄດ້ຊັດເຈນແມ່ນວ່າເຄື່ອງມື AI ທີ່ອອກແບບໂດຍ Descartes ສາມາດກວດພົບໄຟໄຫມ້ປ່າໄດ້ໄວກວ່າບາງວິທີການກວດສອບໄຟທີ່ດີທີ່ສຸດໃນປະຈຸບັນ. ຕົວຢ່າງ, Descartes ບອກວ່າລະບົບການກວດພົບຂອງພວກເຂົາສາມາດແຈ້ງເຕືອນ Los Angeles Times ຕໍ່ກັບຈຸດປະສານງານຂອງໄຟໄຫມ້ Kincade ບໍ່ດົນຫລັງຈາກໄຟໄຫມ້ເລີ່ມຕົ້ນ. Descartes ກ່າວວ່າມາຮອດປະຈຸບັນທີ່ໃຊ້ເວລາກວດພົບໄວທີ່ສຸດຂອງເຂົາເຈົ້າແມ່ນເກົ້ານາທີຫຼັງຈາກການໄຟໄຫມ້. ຕາມການລາຍງານຂອງ CNN, Ernesto Alvarado, ຜູ້ຊ່ຽວຊານດ້ານໄຟໄຫມ້ປ່າແລະນັກຄົ້ນຄວ້າຂອງມະຫາວິທະຍາໄລວໍຊິງຕັນ, ລະບົບໃດກໍ່ຕາມທີ່ສາມາດກວດພົບໄຟໄຫມ້ໃນເວລາພາຍໃຕ້ 30 ນາທີຫຼັງຈາກການເຜົາໄຫມ້ແມ່ນມີຄວາມປະທັບໃຈທີ່ສວຍງາມ.
Descartes ກໍາລັງເລີ່ມຕົ້ນຄົ້ນຫາວິທີການອື່ນໆຂອງການນໍາໃຊ້ AI ແລະຂໍ້ມູນເພື່ອຊ່ວຍກວດຫາແລະຕິດຕາມໄຟ. ຕົວຢ່າງເຊັ່ນ, ບໍລິສັດກໍາລັງຢູ່ໃນຂັ້ນຕອນຂອງການອອກແບບຕົວແບບລະດັບຄວາມສູງດິຈິຕອນທີ່ສາມາດອະທິບາຍເປີ້ນພູສູງຊັນທີ່ສາມາດຂັດຂວາງຄວາມພະຍາຍາມດັບເພີງ. Descartes ກໍາລັງເຮັດສໍາເລັດນີ້ໂດຍການນໍາໃຊ້ວິທີການທີ່ຫລາກຫລາຍທີ່ແຕ່ລະຄົນລົງຄະແນນສຽງກ່ຽວກັບຕໍາແຫນ່ງໄຟໄຫມ້ຢູ່ໃນແຜນທີ່ແລະເປັນເອກະສັນກັນ.
ໃນຂະນະທີ່ເຄື່ອງມືທີ່ພັດທະນາໂດຍ Descartes ແລະຜູ້ອື່ນໆອາດຈະພິສູດໄດ້ວ່າມີປະສິດທິພາບໃນການເຮັດໃຫ້ການກວດພົບໄຟໄຫມ້ໄວຂຶ້ນ, ການເຮັດໃຫ້ທີມງານຕອບໂຕ້ໄຟເຂົ້າໄປໃນຕໍາແຫນ່ງແມ່ນສິ່ງທ້າທາຍຂອງມັນເອງແລະເວັ້ນເສຍແຕ່ວ່າບັນຫານີ້ຈະຖືກແກ້ໄຂ, ສູດການຄິດໄລ່ໄຟໄຫມ້ອາດຈະບໍ່ມີປະສິດທິພາບຕາມທິດສະດີ. ເປັນຕົວຢ່າງ, ເຖິງແມ່ນວ່າຫຼັງຈາກໄຟໄຫມ້ທີ່ອາດຈະຖືກທຸງໂດຍເຄື່ອງມືຂອງ Descartes, ໄຟຕ້ອງໄດ້ສົ່ງຕໍ່ເຈົ້າຫນ້າທີ່ທີ່ຖືກຕ້ອງ, ເຊັ່ນ: ຫ້ອງການພາກສະຫນາມທີ່ສາມາດກວດສອບການມີຢູ່ຂອງໄຟໄດ້. ຫຼັງຈາກນີ້, ແຈ້ງການຕ້ອງອອກໄປເຖິງເຈົ້າຫນ້າທີ່ດັບເພີງໃນພື້ນທີ່ຜູ້ທີ່ຕ້ອງໄດ້ປະເມີນວິທີທີ່ດີທີ່ສຸດໃນການຕອບໂຕ້ໄຟ. ສິ່ງທ້າທາຍດ້ານການຂົນສົ່ງເຫຼົ່ານີ້ອາດຈະກໍານົດຂອບເຂດຈໍາກັດກ່ຽວກັບລະບົບການກວດພົບໄຟໄຫມ້ທີ່ມີປະສິດຕິຜົນ, ແຕ່ເຖິງແມ່ນວ່າ, ເມື່ອເວົ້າເຖິງການກວດພົບໄຟໄຫມ້, ກ່ອນຫນ້ານີ້ແມ່ນດີກວ່າ.