（JY編譯）由於氣候變遷導致的野火在今年夏季猛烈肆虐，波及範圍從夏威夷的毛伊島一直延伸到地中海地區，這場火災造成了大量的傷亡，使消防員們面臨巨大的壓力，也引發了對尋找新解決方案的迫切需求。《美聯社》的一篇文章提到了人工智慧（AI）的介入，顯示AI技術可能成為解決這個問題的一種工具或方法。
消防員和新創公司正在使用配備了人工智慧的攝影機，用來掃描地平線，以便及早發現煙霧的跡象。這種技術有助於提前偵測火災，並加速緊急應變。一家德國公司正在建造一組衛星星座，旨在從太空中監測和偵測火災。這些衛星可以提供全球範圍內的火災監測，從而實現更及時的火災發現和監測。微軟公司正在利用人工智慧模型，以預測下一場火災可能爆發的地點。這種模型使用了歷史數據和氣候資訊等信息，以識別潛在的火災風險區域，有助於提前採取措施來減少火災的發生。
隨著全球氣溫升高，野火正在變得越來越大和激烈，這對消防員、公用事業公司和政府構成了巨大的挑戰。因此，他們正在尋找方式來利用最新的人工智慧技術，盡可能提前應對野火的蔓延。同時，這項技術的出現引發了兩種截然不同的情緒反應：擔憂和興奮。一方面，人們對人工智慧技術的潛力感到興奮，認為它有可能改變生活和提高火災應變的效率。另一方面，也有人擔心人工智慧可能帶來一些負面影響或挑戰，可能引發技術錯誤或濫用等問題。
儘管急救人員對人工智慧寄予了希望，但人類仍需要扮演關鍵的角色，以確保這項技術的準確性。
加州的主要消防機構今年夏天開始測試一種人工智慧系統，該系統的作用是透過監視來自1000多個山頂攝影機的視訊訊號，提前發現火災的跡象，從而更快地採取應對措施。這可以提高火災的應對效率，減少火勢蔓延的風險。現在，他們正計劃將這個系統擴展到整個加州。
系統旨在透過分析攝影機訊號，尋找與正常情況不符的情況或異常。一旦發現了異常情況，系統會發送警報到緊急指揮中心，通知那裡的工作人員。這些工作人員將進一步調查，以確定異常情況是否確實是煙霧，或是空氣中的其他物質。這個過程有助於確保系統的準確性，以避免誤報或錯誤的警報，從而提高了野火監測和應對的可靠性。
加州林業和消防保護部情報主管菲利普·塞勒格（Phillip SeLegue）說︰「這個系統的美妙之處在於，一旦檢測到煙霧或異常情況，它會立即將這一信息顯示在監控屏幕上，而緊急指揮中心的調度員或接聽電話的工作人員可以查看這個螢幕，並對顯示的資訊進行審查。他們透過觀察螢幕上的資料和影像，來確定是否需要派遣一個工作隊伍去處理可能的火災事件。」
塞勒格討論了與先前的監視系統相比的改進。之前，工作人員需要觀看大量的監視攝影機，以偵測火災跡象。但現在，這些攝影機已經成為一個網路的一部分，它們透過傳輸大量的數據提供了有關監控區域的信息，這些數據由AI系統來處理和分析。儘管人類操作員仍然需要確認是否真的有煙霧，但AI系統的引入有助於減輕工作人員的負擔，因為他們不再需要不斷地觀看螢幕和攝影機。相反，系統會在可能出現火災或煙霧的情況下發出警報，使工作人員只需在有必要的時候才需要查看，從而減少了他們的疲勞感，提高了工作效率。這種改進有助於更好地應對火災風險。
一名營長在深夜接到了煙霧警報，他通過查看自己的手機上的信息確認了這一情況，然後立即聯繫了聖地亞哥的指揮中心。隨後，他協調了急救人員的行動，派遣他們前往一個有火災跡像或煙霧的偏遠地區。
塞勒格指出，如果調度員沒有在先前被警告或提前得知火災的消息，那麼火勢可能會擴大，因為人們很可能直到第二天早上才會注意到火災。
舊金山的新創公司Pano AI採用了類似的方法。該公司在手機塔上安裝了攝影機，這些攝影機用於掃描周圍的區域，以尋找煙霧或火災的跡象。一旦發現煙霧或火災，系統會發出警報通知客戶，這些客戶包括消防部門、公用事業公司和滑雪度假村。
攝影機使用電腦視覺機器學習，這是一種AI類型。電腦視覺機器學習是一種使電腦能夠透過處理影像和視訊資料來學習和識別模式、物體或事件的技術。這種技術允許攝影機自動識別和報告可能的火災情況，從而提高了火災監測和警報的效率。
執行長索尼婭·卡斯特納（Sonia Kastner）表示︰「這些攝影機經過了非常具體的訓練，目的是讓它們能夠準確地識別煙霧和非煙霧的情況。為了訓練這些攝影機，我們提供了許多煙霧和非煙霧的圖像，以便它們可以學習和區分這兩種情況，使其能夠自動執行特定任務。」
在這個過程中，攝影機捕捉到的影像不僅單獨使用，還與其他資料來源進行了合併。其中，最重要的數據來源之一是政府氣象衛星，這些衛星專門用於掃描地區，以尋找可能火災的熱點區域。此外，還可以使用其他資料來源，例如社群媒體上的貼文。透過將不同來源的數據整合在一起，可以提供更全面的信息，有助於更準確地監測和預測火災風險。
傳統的野火監測方法存在的一個問題，即依賴路人撥打911緊急電話來報告火災，但在派遣救援隊和投放水的飛機之前，需要等待工作人員對這些警報進行確認。這種方式的問題在於，它可能會導致時間延遲，因為工作人員需要核實警報的有效性，這可能會耽誤火災應變的及時性。
相較之下，自動化的監控和AI系統，能夠繞過傳統方法中的時間延遲，更快速地觸發緊急應變，派遣救援隊和投放水的飛機，有助於更快地控制火勢，減少潛在的損害。
卡斯特納說︰「通常情況下，在這些911緊急電話中，只有20個中的一個事實上與野火有關。即使在火災季節，也可能有其他原因導致人們誤報火災，例如雲霧、煙霧或燒烤活動。」
這意味著對於緊急應變部門來說，處理這些警報可能需要浪費時間和資源，因為大多數情況下並沒有真正的火災事件。因此，利用現代技術和人工智慧來提高火災監測的準確性和可靠性，可以幫助解決這個問題，減少誤報，確保及時回應真正的火災事件。
Pano AI的系統仍然依賴最終確認，管理人員會回放攝影機捕捉到的畫面，以查看時間延遲內的情況，以確保這確實是煙霧上升的跡象。
Pano AI的客戶之一、俄勒岡最大的公用事業公司、波特蘭通用電氣公司（PGE）的能源交付高級副總裁拉里·貝克達爾（Larry Bekkedahl）強調了在對抗森林火災方面，技術的重要性。
公用事業公司的輸電線路是一個潛在的火災引發因素。有時候，當強風刮倒電線桿或電線被倒下的樹破壞時可能會引發火花，這些火花可能會引燃周圍的植被，最終導致火災爆發。
夏威夷的電力公司承認，其電線在今年夏天可能被強風擊倒後引發了一場毀滅性的火災。
PGE為俄勒岡州的51個城市提供電力，已安裝了26台Pano AI攝影機，貝克達爾表示，這些攝影機已經對加速緊急應變和與緊急服務部門的協調產生了積極影響。
他稱，過去在沒有這種技術的情況下，消防部門在火災爆發時需要耗費大量時間和資源來尋找火源，通常不清楚火源的確切位置。然而，現在有了這些攝像頭，它們可以更快速地檢測到火災的跡象，使消防部門能夠更迅速地派遣救援隊伍到達火災現場，從而顯著縮短了響應時間，減少了火勢蔓延的機會。
微軟首席資料科學家胡安·拉維斯塔·費雷斯（Juan Lavista Ferres）表示︰「利用人工智慧來偵測火災產生的煙霧是相對容易的任務。」但也有一個挑戰，即在廣闊的地區內設定足夠多的監視器並不容易。
他指出這個挑戰尤其在今年夏天發生過火災的加拿大北部的偏遠地區尤其顯著，因為那裡的地理遼闊而偏遠，難以覆蓋。
費雷斯領導的團隊一直在開發人工智慧模型，以預測火災可能發生的地點。為了訓練這個模型，他們提供了一系列數據，包括之前發生火災的地區的地圖信息，以及與氣候和地理位置相關的數據。
該系統有其局限性，它不能預測隨機事件，例如閃電，因為這些事件通常不受規律或模式的控制，因此無法提前預測。
然而，費雷斯說該系統可以透過分析歷史上的天氣和氣候數據，來識別一些規律的模式，例如一些地區通常會更加乾燥，因此更容易發生火災。此外，該系統還考慮了其他因素，例如道路的存在，因為道路表示附近有人類活動，這也可能增加火災的風險。
微軟計劃將該技術向公眾開放並允許其他人使用和改進。費雷斯表示，這項技術可以幫助急救人員識別火災或其他緊急情況的風險區域，從而更好地分配人員和裝備，以應對潛在的危險和挑戰。
另一家公司正在尋求一種來自天空的解決方案。具體來說，德國新創公司OroraTech利用衛星影像並藉助人工智慧技術進行分析。
他們正在充分利用攝影機、衛星和人工智慧技術的進步，將兩顆迷你衛星發射到低地球軌道上，這些衛星的大小大致相當於一個鞋盒。這些衛星位於距離地球表面約550公里（340英里）的低軌道上，可提供廣泛的監測範圍。此外，總部位於慕尼黑的OroraTech計畫明年再發射8顆衛星，並最終計畫將總數達到100顆。
森林大火通常在白天和夜間都會產生濃煙和火焰，但晚上視野可能會受限。OroraTech表示，在今年智利中部遭受野火肆虐時，提供了熱紅外線影像，這種影像可以在夜間捕捉到物體的熱量分佈。
OroraTech的衛星監測系統在發射第二顆衛星後的幾週後，偵測到了位於艾伯塔省北部Keg River社區附近的一場火災。這個地區的北極森林在今年夏季多次發生大火。
人工智慧系統不僅僅是用於檢測火源，還考慮了其他因素，如植被狀況和濕度水平。透過分析這些因素，該系統可以識別火源是否可能引發毀滅性的大規模火災。利用這種技術，消防機構可以更有效地分配資源，將有限的人力和裝備用於那些可能造成最嚴重破壞的火災事件。
OroraTech執行長馬斯·格魯布勒（Thomas Gruebler）強調︰「因為我們精確知道火源的位置，因此可以預測火勢將如何傳播。即我們能夠追蹤火災的演變過程，包括哪些火災可能會迅速蔓延成大規模火災，以及哪些火災可能會在一段時間內自行熄滅。」
Photo by Markus Spiske on unsplash