來源丨Scientific American
編譯丨科技行者
在加利福尼亞州索諾瑪縣擔任社區(qū)警報與預(yù)警經(jīng)理的八年任期之內(nèi)，Sam Wallis多次親眼目睹野火在他負責(zé)保護的城市與小鎮(zhèn)中肆虐?；饎萃诤翢o預(yù)警的情況下將房屋夷為平地，還燒毀了舊金山北部風(fēng)景如畫的山坡、谷地乃至葡萄種植園。在巨大的火勢下，Wallis自己也不得不撤離自己的家鄉(xiāng)。2017年，塔布斯火災(zāi)覆蓋37000英畝土地，夾雜著致命的高溫碎屑成為加利福尼亞州歷史上最具破壞性的災(zāi)害之一。Wallis回憶道，“塔布斯火災(zāi)是一次前所未有的緊急事件，這是一場我們根本無法追蹤的大規(guī)模、移動迅速的火災(zāi)。”
在大火被撲滅之后，部分地區(qū)開始安裝名為ALERTWildfire的塔式攝像機系統(tǒng)，用于自動尋找煙霧及火焰，以便在火勢失控之前加以撲救。索諾瑪縣共布設(shè)了21臺高功率設(shè)備，用于掃描及拍攝火災(zāi)多發(fā)區(qū)域。這些設(shè)備每10秒發(fā)送一次圖像，幫助監(jiān)控人員發(fā)現(xiàn)及確認爆發(fā)的火勢。縣內(nèi)消防應(yīng)急中心的調(diào)度員密切關(guān)注著在視頻監(jiān)控器墻上的傳入圖像，并在發(fā)現(xiàn)可疑煙霧時向救援人員發(fā)出警報。此外，他們也負責(zé)隨時接聽市民的911報警電話。
Wallis表示，面對如此嚴峻的安全風(fēng)險，每位參與者都需要打起十二分精神。“工作人員真的沒辦法整天整夜盯著屏幕墻，關(guān)注著火險的出現(xiàn)。”
如今，工作人員迎來了一位強大且不知疲倦的新伙伴：自今年5月1日以來，這些接入AI軟件的攝像機會持續(xù)篩選所有圖像，并以人眼不可能達到的速度將現(xiàn)有畫面與同一地點的歷史照片進行比較。一旦發(fā)現(xiàn)任何異常，系統(tǒng)會向調(diào)度中心發(fā)出警報。開發(fā)ALERTWildfire系統(tǒng)并在內(nèi)華達大學(xué)里諾分校負責(zé)內(nèi)華達地震實驗室管理工作的Graham Kent介紹道，他們的目標是盡早發(fā)現(xiàn)潛在火災(zāi)并立即向消防員發(fā)布通告。
在索諾瑪縣全面啟用這項技術(shù)的幾周之內(nèi)，AI技術(shù)就已經(jīng)將911呼叫響應(yīng)時間縮短了多達10分鐘——雖然看似區(qū)別不大，但卻足以決定火勢是燒掉一小片林地、還是蔓延到各個郡縣。Wallis表示，“我謹慎樂觀地認為，AI技術(shù)應(yīng)該會是一項能夠幫助我們保障家園安全的服務(wù)。”
Sonoma消防及EMS調(diào)度中心執(zhí)行董事KT McNulty強調(diào)，隨著調(diào)度員不斷熟悉這套系統(tǒng)的使用方式，系統(tǒng)本身也會持續(xù)保持改進。她解釋道，軟件開發(fā)人員向其中添加更多數(shù)據(jù)儀表板、聲音警報及其他功能，用以優(yōu)化AI與人類操作員之間的協(xié)同效果。
當然，AI算法本身還有很大的提升空間，有時候911報警電話還是會比AI系統(tǒng)速度更快。曾與IBM公司合作、并就AI問題向聯(lián)合國提供建議的發(fā)明家Neil Sahota估計，這套系統(tǒng)需要“觀察”到至少70場真實火災(zāi)才能獲得足夠的信息。它還需要學(xué)習(xí)索諾瑪縣地形的種種特殊“地貌”，例如區(qū)分煙、霧與云之間的差異(之前，這套AI系統(tǒng)就曾被當?shù)氐牡責(zé)衢g歇泉蒸汽而意外觸發(fā))。并未參與索諾瑪項目的Sahota指出，消除這種誤報還需要不少的時間投入。Wallis希望該系統(tǒng)能在今年11月之前提供穩(wěn)定可靠的分析結(jié)論。
其他加州社區(qū)也在關(guān)注索諾瑪縣采用的這套開創(chuàng)性AI監(jiān)控系統(tǒng)。Kent介紹稱，有部分社區(qū)已經(jīng)計劃與構(gòu)建索諾瑪系統(tǒng)的韓國廠商Alchera開展合作。Alchera公司代表Robert Grey表示，該公司希望能將AI系統(tǒng)推廣到美國西部六個州的全部850臺ALERTWildfire攝像機上。
與之類似的早期探測技術(shù)方案也開始在新墨西哥州開展測試，那里的土地管理人員正在使用AI技術(shù)分析紅外衛(wèi)星圖像內(nèi)容，并上報一切可能代表早期火災(zāi)“熱點”的數(shù)據(jù)。在巴西，科學(xué)家們部署了一套AI系統(tǒng)，用于支持安裝在塔頂?shù)?60度全景攝像頭，快速就火災(zāi)動向向當?shù)毓賳T發(fā)出提醒。在三年之內(nèi)，這套系統(tǒng)就將火災(zāi)探測時間從平均40分鐘縮短至不到5分鐘。Kent還推出了一套名為BushfireLIVE的攝像頭網(wǎng)絡(luò)，用于支持澳大利亞首都堪培拉周邊部署的Alchera的AI系統(tǒng)。
最終，AI檢測網(wǎng)絡(luò)甚至能夠在火災(zāi)實際發(fā)生前就識別出相關(guān)風(fēng)險。這要求訓(xùn)練而成的系統(tǒng)能將來自攝像機的圖像同歷史數(shù)據(jù)以及已知可能導(dǎo)致火災(zāi)的各類因素(例如降水、濕度以及植被中的水分含量)相結(jié)合。AI能夠?qū)崟r處理并組合數(shù)百萬個類比數(shù)據(jù)點，其速度遠遠高于人類操作員。Sahota指出，“當我們把所有這些元素拼湊起來之后，就能預(yù)測火災(zāi)實際可能爆發(fā)的位置。”在確定潛在熱點之后，官員就能采取措施，通過清理干燥灌木叢、燒掉火勢蔓延方向上的草木并配合其他措施，全面降低火災(zāi)擴大的風(fēng)險。
在澳大利亞，2019年與2020年爆發(fā)的火災(zāi)先后燒毀了超過4700萬英畝的土地，共造成34人死亡。為此，管理人員開始使用谷歌地球、氣候數(shù)據(jù)及AI系統(tǒng)測試預(yù)測技術(shù)。根據(jù)去年發(fā)表在Remote Sensing上的相關(guān)論文，科學(xué)家在研究了2001年至2019年期間發(fā)生的澳大利亞本土火災(zāi)后發(fā)現(xiàn)，這里決定野火規(guī)模主要因素為土壤濕度，其次是氣溫與干旱指數(shù)。這些發(fā)現(xiàn)有助于幫助AI技術(shù)確定變量的優(yōu)先級與監(jiān)控方式。
索諾瑪縣將在約20個月的試驗期內(nèi)測試系統(tǒng)成效，最終決定是否要與Alchera簽訂長期合同。為了做出判斷，Wallis將評估AI的速度與一致性。他表示，“最終決定項目命運的因素，在于AI系統(tǒng)能否在速度上超越911報警電話。”
隨著加利福尼亞州及美國西部其他地區(qū)的野火多發(fā)季即將到來，Kent對AI系統(tǒng)寄予厚望，希望能在新的一年中加快火災(zāi)響應(yīng)速度。但他同時也敦促當?shù)鼐用窭^續(xù)通過911及Twitter上報火災(zāi)跡象。另外，具有百年歷史的消防塔系統(tǒng)、無線電以及固定電話線路在抵御野火方面仍有一席之地。他總結(jié)道，“在與野火的激烈對抗中，我們必須把握一切可供運用的力量。”
