Dronom śledzącym pożary lasów pomoże sztuczna inteligencja

Dodano:
Dron MQ-9 Źródło: Air National Guard
Algorytmy, które szybko śledzą przemieszczanie się pożarów, mogą pomóc strażakom, ale technologię można będzie również wykorzystać do celów innych niż humanitarne.

Ponad 3 miliony akrów Kalifornii spłonęło w tym roku, a 18 tys. strażaków nadal walczy z 27 poważnymi pożarami w stanie, czasami nazywanym złotym. Każdego dnia, wysoko ponad dymem, wojskowy dron o rozpiętości skrzydeł około 10 razy większej niż ma LeBron James przesyła wideo w podczerwieni z pożaru z powrotem do Bazy Rezerwy Lotniczej March, na wschód od Los Angeles, aby pomóc w sporządzeniu mapy zniszczeń i wesprzeć strażaków.

Wojskowe drony nie tylko dla wojska

Te drony MQ-9 „Reaper” zazwyczaj nie latają w kraju. Są w gotowości na wypadek, gdyby siły powietrzne potrzebowały ich do zwiadu za granicą. Jednak zmiany klimatyczne sprawiły, że drony dostały nowe zadanie. Drony pomagają mapować pożary każdego roku od 2017 roku, dzięki specjalnemu zezwoleniu sekretarza obrony USA.

Zwykle analitycy Gwardii Narodowej przeglądają nagrania wideo pożarów lasów, aby stworzyć mapy, co trwa nawet 6 godzin. W tym roku Pentagon testuje algorytmy sztucznej inteligencji, które skanują wideo i automatycznie generują mapy pożarów w ciągu kilku minut.

Kalifornia czeka na mądrzejszą AI

Wyniki są obiecujące, a Kalifornijski Departament Leśnictwa i Ochrony Przeciwpożarowej, znany jako CalFire, używa map, aby pomóc w odpowiedzi na pożar w pobliżu Parku Narodowego Yosemite. Oprogramowanie mogłoby zostać szeroko rozpowszechnione w przyszłorocznym raczej nieuniknionym kryzysie spowodowanym pożarem. Projekt może również pomóc Pentagonowi w doskonaleniu AI (sztuczna inteligencja), którą można wykorzystać podczas innych misji, niezależnie od tego, czy chodzi o ulgę w huraganie, czy mapowanie ruchów wroga.

Zwalczanie pożarów lasów jest wielowymiarowym logistycznym piekłem, w którym wyzwanie polega na mapowaniu szybko poruszających się płomieni w trudnym terenie w jego splątanym sercu. CalFire tradycyjnie aktualizował swoje mapy z dnia na dzień, wykorzystując obserwacje naziemne i powietrzne dostarczone lub przekazane przez strażaków i obserwatorów. W tym sezonie pożary posunęły się jednak szybko, do 15 mil dziennie, a opóźnione lub nieaktualne mapy stanowiły zagrożenie dla personelu i pojazdów, ponieważ strażacy mogli skończyć w niewłaściwym miejscu w niewłaściwym czasie, z tragicznymi skutkami.

Analitycy miast obserwatorów

W ostatnich latach drony przyspieszyły proces mapowania. Materiał filmowy z MQ-9 – tego samego modelu, który zabił irańskiego generała Qassima Sulejmaniego na początku tego roku – jest przesyłany do analityków Gwardii Narodowej. Ci zaznaczają granice aktywnych przebić za pomocą narzędzia do rysowania linii w Google Earth i sygnalizują mniejsze „pożary punktowe”, które mogą wymagać interwencji.

Ten proces pomaga tworzyć nowe mapy w ciągu trzech do sześciu godzin – całkiem nieźle, ale wciąż wystarczająco dużo, aby szybki ogień mógł pokonać wiele kilometrów. W 2018 roku nowe Połączone Centrum Sztucznej Inteligencji Pentagonu, znane jako JAIC, rozpoczęło prace nad wykorzystaniem sztucznej inteligencji do szybszego mapowania pożarów.

Automatyczne mapowanie pożarów w jednostce opiera się na uczeniu maszynowym: algorytmy przeglądają klatki wideo z poprzednich pożarów oznaczonych przez ludzi, aby zademonstrować, jak płomienie i granice pożarów powinny być oznaczane geotagami. Startup CrowdAI wykorzystał te opisane przykłady, aby wytrenować algorytmy uczenia maszynowego, aby pobierać świeże obrazy z dronów w podczerwieni oznaczone danymi lokalizacji i wypluwać cyfrowe pliki mapowań zacienione, aby pokazać płonące obszary. Oznaczone są również pożary punktowe. Chociaż drony latają na wysokości ponad 7 tys. metrów, ich potężne kamery pozwalają mapom pokazywać pożary z doskonałą rozdzielczością.

Ten proces może wygenerować nową mapę w 30 minut lub krócej, chociaż analitycy nadal sprawdzają ostateczny wynik.

Źródło: Wired
Proszę czekać ...

Proszę czekać ...

Proszę czekać ...

Proszę czekać ...