AI Kan Hjelpe Med Å Gjøre Skogbranner Raskere Å Oppdage Og Enklere Å Bekjempe

I stater som California, har skogbrannsesongen blitt lengre og mer intens, drevet hovedsakelig av klimaendringer. I respons til den økende trusselen fra skogbranner, ifølge CNN, har ulike startups skapt AI-verktøy som er ment å assistere i oppdagelsen av skogbranner.

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

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

Gjeldende metoder for å oppdage skogbranner avhenger hovedsakelig av å se brannen 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 førstehjelpere 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 prøvd å bruke AI til å oppdage skogbranner. Northrop Grumman har nylig startet en kontrakt med staten California for å designe skogbrannsanalyseverktøy, og startupen Technosylva har også investert i skapelsen av skogbrannsprediksjonsmetoder.

Det er ikke klart ennå om teknologiene designet av disse selskapene kan øke risikoen for feilalarmer som et resultat av økt sensitivitet for mulige branner. Men det som er klart er at AI-verktøyene designet av Descartes kan faktisk oppdage skogbranner mye tidligere enn selv noen av de beste nåværende brann-oppdagelsesmetodene. For eksempel sier Descartes at deres oppdagelsessystemer var i stand til å varsle Los Angeles Times om koordinatene til Kincade-brannen kort tid etter at brannen startet. Descartes sier at deres raskeste oppdagelsestid er ni minutter etter at brannen startet. Ifølge CNN, Ernesto Alvarado, skogbrannsekspert og forsker ved University of Washington, noen 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 i posisjon er en utfordring i seg selv, og medmindre denne problemstillingen løses, kan brann-oppdagelsesalgoritmer ikke være like effektive som teoretisk mulig. Som et eksempel, selv etter at en potensiell brann er flagget av Descartes’ verktøy, må brannen bli sendt videre til de riktige myndighetene, som 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 påføre begrensninger på hvor effektive brann-oppdagelsessystemer kan være, men likevel, når det gjelder å oppdage branner, er tidligere alltid bedre.