AI kan hjelpe med å oppdage skogbranner raskere og gjøre dem lettere å bekjempe

I delstater som California, har skogbrannsesongen blitt lengre og mer intens, drevet hovedsakelig av klimaendringer. I respons til den økende trusselen fra skogbranner, ifølge CNN, har flere startup-selskaper utviklet AI-verktøy som er ment å hjelpe med å oppdage skogbranner.

Det kan synes åpenbart, men tidlig oppdagelse er viktig for skogbranner. Jo tidligere brannen oppdages, jo raskere kan den innkapsles og jo mindre skade vil den gjøre. Heldigvis synes AI-verktøyene utviklet av selskaper som Descartes Labs, basert i Sante Fe, å være mer effektive i å oppdage skogbranner enn både brannfolk og sivile.

Brann-oppdagelsesverktøyet fra Descartes Labs sampler bilder fra regjeringens værsatellitter hver to minutter, sammenligner bildene for å finne forskjeller. Hvis det er noen forskjell i termiske signaler i et område, kan det potensielt indikere tilstedeværelsen av en skogbrann.

Aktuelle metoder for å oppdage skogbranner avhenger hovedsakelig av å spotte brann med enten fly eller utsiktstårn, men et system som bruker AI og satellitter kan oppdage skogbranner mye raskere enn disse metodene. New Mexico State Forestry Bureaus har uttalt at AI-verktøyet har definitivt hjulpet staten med å lokalisere skogbranner mye raskere enn før. Verktøyet gir også første respondenter beskrivelser som kan hjelpe med å avgrense hvor en brann er, noe som kan være vanskelig når det er mye røyk eller over en fjellkjede om natten.

Descartes er ikke det eneste selskapet som har forsøkt å bruke AI til å oppdage skogbranner. Northrop Grumman (NOC ) har nylig startet en kontrakt med staten California for å designe skogbrannsanalyse-verktøy, og startup-selskapet Technosylva har også investert i utviklingen av skogbranns-prediksjonsmetoder.

Det er ikke klart ennå om teknologiene utviklet av disse selskapene kan øke risikoen for feilalarmer som følge av økt sensitivitet for mulige branner. Men det som er klart er at AI-verktøyene utviklet av Descartes kan faktisk oppdage skogbranner mye tidligere enn noen av de beste nåværende brann-oppdagelsesmetodene. For eksempel sier Descartes at deres oppdagelsessystemer kunne varsle Los Angeles Times om koordinatene til Kincade-brannen bare noen minutter etter at brannen startet. Descartes sier at deres raskeste oppdagelsestid hittil er ni minutter etter at brannen startet. Ifølge CNN, sier Ernesto Alvarado, skogbrannsekspert og forsker ved University of Washington, at ethvert system som kan oppdage en brann på under 30 minutter etter at den startet, er ganske imponerende.

Descartes begynner å utforske andre metoder for å bruke AI og data til å hjelpe med å oppdage og spore branner. For eksempel er selskapet i ferd med å designe digitale høydemodeller som kan beskrive bratte skråninger som kan hindre brannbekjempelse. Descartes gjør dette ved å bruke en rekke algoritmer som hver stemmer på posisjonen til en brann på en kart og kommer til enighet.

Mens verktøyene utviklet av Descartes og andre kan vise seg å være effektive i å muliggjøre en raskere oppdagelse av branner, å få brannrespons-teamene på plass er en utfordring i seg selv, og med mindre denne problemstillingen løses, kan brann-oppdagelsesalgoritmer ikke være like effektive som teoretisk mulig. For eksempel, selv etter at en potensiell brann er flagget av Descartes’ verktøy, må brannen sendes videre til de riktige myndighetene, som for eksempel et feltkontor som kan verifisere eksistensen av brannen. Etter dette må varslingen gå ut til brannavdelingene i området som må vurdere den beste måten å respondere på brannen på. Disse logistiske utfordringene kan pålegge begrensninger på hvor effektive brann-oppdagelsessystemer kan være, men likevel, når det kommer til å oppdage branner, er tidligere alltid bedre.