（JY编译）由于气候变迁导致的野火在今年夏季猛烈肆虐，波及范围从夏威夷的毛伊岛一直延伸到地中海地区，这场火灾造成了大量的伤亡，使消防员们面临巨大的压力，也引发了对寻找新解决方案的迫切需求。《美联社》的一篇文章提到了人工智慧（AI）的介入，显示AI技术可能成为解决这个问题的一种工具或方法。
消防员和新创公司正在使用配备了人工智慧的摄影机，用来扫描地平线，以便及早发现烟雾的迹象。这种技术有助于提前侦测火灾，并加速紧急应变。一家德国公司正在建造一组卫星星座，旨在从太空中监测和侦测火灾。这些卫星可以提供全球范围内的火灾监测，从而实现更及时的火灾发现和监测。微软公司正在利用人工智慧模型，以预测下一场火灾可能爆发的地点。这种模型使用了历史数据和气候资讯等信息，以识别潜在的火灾风险区域，有助于提前采取措施来减少火灾的发生。
随着全球气温升高，野火正在变得越来越大和激烈，这对消防员、公用事业公司和政府构成了巨大的挑战。因此，他们正在寻找方式来利用最新的人工智慧技术，尽可能提前应对野火的蔓延。同时，这项技术的出现引发了两种截然不同的情绪反应：担忧和兴奋。一方面，人们对人工智慧技术的潜力感到兴奋，认为它有可能改变生活和提高火灾应变的效率。另一方面，也有人担心人工智慧可能带来一些负面影响或挑战，可能引发技术错误或滥用等问题。
尽管急救人员对人工智慧寄予了希望，但人类仍需要扮演关键的角色，以确保这项技术的准确性。
加州的主要消防机构今年夏天开始测试一种人工智慧系统，该系统的作用是透过监视来自1000多个山顶摄影机的视讯讯号，提前发现火灾的迹象，从而更快地采取应对措施。这可以提高火灾的应对效率，减少火势蔓延的风险。现在，他们正计划将这个系统扩展到整个加州。
系统旨在透过分析摄影机讯号，寻找与正常情况不符的情况或异常。一旦发现了异常情况，系统会发送警报到紧急指挥中心，通知那里的工作人员。这些工作人员将进一步调查，以确定异常情况是否确实是烟雾，或是空气中的其他物质。这个过程有助于确保系统的准确性，以避免误报或错误的警报，从而提高了野火监测和应对的可靠性。
加州林业和消防保护部情报主管菲利普·塞勒格（Phillip SeLegue）说︰「这个系统的美妙之处在于，一旦检测到烟雾或异常情况，它会立即将这一信息显示在监控屏幕上，而紧急指挥中心的调度员或接听电话的工作人员可以查看这个萤幕，并对显示的资讯进行审查。他们透过观察萤幕上的资料和影像，来确定是否需要派遣一个工作队伍去处理可能的火灾事件。」
塞勒格讨论了与先前的监视系统相比的改进。之前，工作人员需要观看大量的监视摄影机，以侦测火灾迹象。但现在，这些摄影机已经成为一个网路的一部分，它们透过传输大量的数据提供了有关监控区域的信息，这些数据由AI系统来处理和分析。尽管人类操作员仍然需要确认是否真的有烟雾，但AI系统的引入有助于减轻工作人员的负担，因为他们不再需要不断地观看萤幕和摄影机。相反，系统会在可能出现火灾或烟雾的情况下发出警报，使工作人员只需在有必要的时候才需要查看，从而减少了他们的疲劳感，提高了工作效率。这种改进有助于更好地应对火灾风险。
一名营长在深夜接到了烟雾警报，他通过查看自己的手机上的信息确认了这一情况，然后立即联系了圣地亚哥的指挥中心。随后，他协调了急救人员的行动，派遣他们前往一个有火灾迹像或烟雾的偏远地区。
塞勒格指出，如果调度员没有在先前被警告或提前得知火灾的消息，那么火势可能会扩大，因为人们很可能直到第二天早上才会注意到火灾。
旧金山的新创公司Pano AI采用了类似的方法。该公司在手机塔上安装了摄影机，这些摄影机用于扫描周围的区域，以寻找烟雾或火灾的迹象。一旦发现烟雾或火灾，系统会发出警报通知客户，这些客户包括消防部门、公用事业公司和滑雪度假村。
摄影机使用电脑视觉机器学习，这是一种AI类型。电脑视觉机器学习是一种使电脑能够透过处理影像和视讯资料来学习和识别模式、物体或事件的技术。这种技术允许摄影机自动识别和报告可能的火灾情况，从而提高了火灾监测和警报的效率。
执行长索尼娅·卡斯特纳（Sonia Kastner）表示︰「这些摄影机经过了非常具体的训练，目的是让它们能够准确地识别烟雾和非烟雾的情况。为了训练这些摄影机，我们提供了许多烟雾和非烟雾的图像，以便它们可以学习和区分这两种情况，使其能够自动执行特定任务。」
在这个过程中，摄影机捕捉到的影像不仅单独使用，还与其他资料来源进行了合并。其中，最重要的数据来源之一是政府气象卫星，这些卫星专门用于扫描地区，以寻找可能火灾的热点区域。此外，还可以使用其他资料来源，例如社群媒体上的贴文。透过将不同来源的数据整合在一起，可以提供更全面的信息，有助于更准确地监测和预测火灾风险。
传统的野火监测方法存在的一个问题，即依赖路人拨打911紧急电话来报告火灾，但在派遣救援队和投放水的飞机之前，需要等待工作人员对这些警报进行确认。这种方式的问题在于，它可能会导致时间延迟，因为工作人员需要核实警报的有效性，这可能会耽误火灾应变的及时性。
相较之下，自动化的监控和AI系统，能够绕过传统方法中的时间延迟，更快速地触发紧急应变，派遣救援队和投放水的飞机，有助于更快地控制火势，减少潜在的损害。
卡斯特纳说︰「通常情况下，在这些911紧急电话中，只有20个中的一个事实上与野火有关。即使在火灾季节，也可能有其他原因导致人们误报火灾，例如云雾、烟雾或烧烤活动。」
这意味着对于紧急应变部门来说，处理这些警报可能需要浪费时间和资源，因为大多数情况下并没有真正的火灾事件。因此，利用现代技术和人工智慧来提高火灾监测的准确性和可靠性，可以帮助解决这个问题，减少误报，确保及时回应真正的火灾事件。
Pano AI的系统仍然依赖最终确认，管理人员会回放摄影机捕捉到的画面，以查看时间延迟内的情况，以确保这确实是烟雾上升的迹象。
Pano AI的客户之一、俄勒冈最大的公用事业公司、波特兰通用电气公司（PGE）的能源交付高级副总裁拉里·贝克达尔（Larry Bekkedahl）强调了在对抗森林火灾方面，技术的重要性。
公用事业公司的输电线路是一个潜在的火灾引发因素。有时候，当强风刮倒电线杆或电线被倒下的树破坏时可能会引发火花，这些火花可能会引燃周围的植被，最终导致火灾爆发。
夏威夷的电力公司承认，其电线在今年夏天可能被强风击倒后引发了一场毁灭性的火灾。
PGE为俄勒冈州的51个城市提供电力，已安装了26台Pano AI摄影机，贝克达尔表示，这些摄影机已经对加速紧急应变和与紧急服务部门的协调产生了积极影响。
他称，过去在没有这种技术的情况下，消防部门在火灾爆发时需要耗费大量时间和资源来寻找火源，通常不清楚火源的确切位置。然而，现在有了这些摄像头，它们可以更快速地检测到火灾的迹象，使消防部门能够更迅速地派遣救援队伍到达火灾现场，从而显著缩短了响应时间，减少了火势蔓延的机会。
微软首席资料科学家胡安·拉维斯塔·费雷斯（Juan Lavista Ferres）表示︰「利用人工智慧来侦测火灾产生的烟雾是相对容易的任务。」但也有一个挑战，即在广阔的地区内设定足够多的监视器并不容易。
他指出这个挑战尤其在今年夏天发生过火灾的加拿大北部的偏远地区尤其显著，因为那里的地理辽阔而偏远，难以覆蓋。
费雷斯领导的团队一直在开发人工智慧模型，以预测火灾可能发生的地点。为了训练这个模型，他们提供了一系列数据，包括之前发生火灾的地区的地图信息，以及与气候和地理位置相关的数据。
该系统有其局限性，它不能预测随机事件，例如闪电，因为这些事件通常不受规律或模式的控制，因此无法提前预测。
然而，费雷斯说该系统可以透过分析历史上的天气和气候数据，来识别一些规律的模式，例如一些地区通常会更加干燥，因此更容易发生火灾。此外，该系统还考虑了其他因素，例如道路的存在，因为道路表示附近有人类活动，这也可能增加火灾的风险。
微软计划将该技术向公众开放并允许其他人使用和改进。费雷斯表示，这项技术可以帮助急救人员识别火灾或其他紧急情况的风险区域，从而更好地分配人员和装备，以应对潜在的危险和挑战。
另一家公司正在寻求一种来自天空的解决方案。具体来说，德国新创公司OroraTech利用卫星影像并借助人工智慧技术进行分析。
他们正在充分利用摄影机、卫星和人工智慧技术的进步，将两颗迷你卫星发射到低地球轨道上，这些卫星的大小大致相当于一个鞋盒。这些卫星位于距离地球表面约550公里（340英里）的低轨道上，可提供广泛的监测范围。此外，总部位于慕尼黑的OroraTech计画明年再发射8颗卫星，并最终计画将总数达到100颗。
森林大火通常在白天和夜间都会产生浓烟和火焰，但晚上视野可能会受限。OroraTech表示，在今年智利中部遭受野火肆虐时，提供了热红外线影像，这种影像可以在夜间捕捉到物体的热量分布。
OroraTech的卫星监测系统在发射第二颗卫星后的几周后，侦测到了位于艾伯塔省北部Keg River社区附近的一场火灾。这个地区的北极森林在今年夏季多次发生大火。
人工智慧系统不仅仅是用于检测火源，还考虑了其他因素，如植被状况和湿度水平。透过分析这些因素，该系统可以识别火源是否可能引发毁灭性的大规模火灾。利用这种技术，消防机构可以更有效地分配资源，将有限的人力和装备用于那些可能造成最严重破坏的火灾事件。
OroraTech执行长马斯·格鲁布勒（Thomas Gruebler）强调︰「因为我们精确知道火源的位置，因此可以预测火势将如何传播。即我们能够追踪火灾的演变过程，包括哪些火灾可能会迅速蔓延成大规模火灾，以及哪些火灾可能会在一段时间内自行熄灭。」
Photo by Markus Spiske on unsplash