对于无法消除的森林火灾问题,AI 技术结合卫星图像,能够在救灾过程过程中作出及时合理的见解,帮助人们将损失降到最低。
4 月 4 日,四川凉山的森林大火罹难者又增加了一位,这场无情的灾难中,遇难的救火人员总数达到了 31 位。这是一个令人沉痛的数字。
森林火灾没有办法完全避免,我们也经常在报道中,听闻火灾带来的巨大损失。那么对于森林大火的,有没有能够抵挡的方式呢?
在救灾工作中,及时掌握全面而准确的信息,以实现资源的合理分配,是至关重要的。而现在,基于 AI 的技术,正在发挥着一些作用,它能够帮助我们与时间赛跑,挽回更多生命和损失。
也许在下一次面对大火的时候, AI 能够帮助我们抵挡住野火的肆虐。
在去年损失惨重的加州大火中,就有一家叫 CrowdAI 的公司通过卫星数据,综合图像视觉技术参与了救援。
CrowdAI 使用 Spacenet 和 Deepglobe 的卫星图像,以及 DigitalGlobe 和 Planet Labs 的数据,训练卷积神经网络。
只需一秒钟的时间,就能预测和评估受灾程度,再将评估结果报告给救援指挥中心,帮助科学调配救援资源,制定更科学的救援方案。
借助于 CrowdAI 自定义的深度学习模型,除了标注常规的房屋建筑,还扩大到了独立结构,比如车棚、公用设施棚和谷仓等。
在那一次的火灾中,从卫星图像中识别出结构后,根据受灾前后的图像对比, AI 模型用红点标识出损坏所在的位置。
拓展到整个地区,通过标记点的数量定出受灾的严重程度,就能用不同的颜色区别出受灾的程度。
最后在 Google Earth 或 ArcGIS 上标记出来,就能为救灾和重建工作做出指导。
对于不断追求评估速度的目标,CrowdAI 的创始人兼首席执行官 Devaki Raj 说到,「当灾难发生时,我们必须要快速的给出预测,这就是我们需要这种速度的原因。」
很多救援人员和级政府官员,通过这些快速生成的数据,更合理的协调了救援工作,这提升了解决紧要问题的效率。
为了尽可能准确的完成受灾情况的评估,之前的方法需要很大量的数据训练,但 CrowdAI 的机器学习负责人 Jigar Doshi 提到,「因为机器视觉技术已经很成熟了,我们不需要训练很大的模型(对受灾情况),就能进行有效的评估。」
CrowdAI 利用卫星图像,通过计算机视觉等技术,提供数据服务,稍有不同的是,他们把精力主要投入在了自然灾害方面。
CrowdAI 还与 Facebook AI 进行过合作,研究飓风和火灾造成损失的评估工作。他们的研究成果《From Satellite Imagery to Disaster Insights》也被 NeurIPS 会议所接受。
(https://aiforsocialgood.github.io/2018/pdfs/track1/23_aisg_neurips2018.pdf)
在论文中,他们的研究获到了很好的成绩:在 2017 年德克萨斯州附近被飓风哈维损坏的道路识别时,达到了 88.8% 的准确率,而在 Santa Rosa 火灾中识别损坏建筑物时准确率达到了 81.1%。
而在灾难预测的方面, CrowdAI 也在探索能够预测到的灾害模型,据称,他们在尝试通过整合风力、降水和社交媒体等数据,积极开发能超越卫星图像的深度学习工具。
除了 CrowdAI ,也有其他的公司和机构正在做着相似的努力。
大自然保护协会,正在利用小型卫星的图像和 AI 技术,引进森林的消防工具。通过数量众多的小型卫星,拍摄而成的高清图片,对森林状况进行实时的监控,通过 AI 的数据分析,能够及时的作出预防和报警。
还有一家叫做 Salo Science 的公司,正在通过 AI 技术,研究对森林火灾风险评定的工作。他们在开发的 AI 产品,同样是基于卫星图像和数据,通过对树木等情况,综合地形,地势,可积燃物等因素的分析,给消防人员提供森林的区域地形图以及风险指示数据。帮助他们在危险来临时,作出更好的选择。
此外,对于消防机器人的研究,也一直在进步。在前段时间的报道中,萧山消防机器人就在一场大火中大显身手,通过冲进火场、侦查探路、与消防人员协同作战,最终成功灭火。但消防机器人还不够智能,不能应对复杂的地形,目前也不能单独进行救灾。
也许,在不久的将来,这些结合了 AI 或者机器人的应用,能够降服可怕的火灾。
谷歌和麦肯锡全球研究所做过一份报告,主旨是关于 AI 造福人类的案例,报告中提到,「AI 能更准确地提供救援工作和应急准备,相比于人类救援要更快速,而且适用范围更广。」
期待 AI 能够制服火灾的那一天!