HyperAI超神经

8 月 20 日，美国航天局（NASA）就曾发布其卫星监测到的图片，称亚马逊热带雨林上空烟雾缭绕，正经历大面积火灾侵袭。到现在，这场大火已经持续半个月，巴西政府终于签署命令，动员该国各部门，寻找扑灭亚马逊森林火灾的解决方案。

世界上最大的热带雨林，亚马逊热带雨林，已经在火海中挣扎半个多月了。

每年旱季（北半球的夏天），亚马逊雨林地区会有小范围烧林的情况，有些是当地的小农户合法开辟耕地，有些非法伐木工人也可能引起火灾，但都在可控范围内。

但是目前这场大火，已经到了不受控制的局面，根据巴西国家空间研究所 (INPE) 的最新卫星数据分析，目前亚马逊森林火灾面积，比 2018 年过火面积多出 82% 。

甚至有些地区在燃烧时的速度之快，每分钟可以烧掉约 10000 平米（约两个足球场大小）。

不仅如此，今年亚马逊雨林的火灾数还创下 2013 年以来的最高纪录，截至目前已经经历了74000 多起火灾，是 2018 年的两倍。

目前关于这场火灾的缘起众说纷纭，但是确定的是巴西总统博尔索纳罗，已经签署命令，动员该国各部门，寻找扑灭亚马逊森林火灾的解决方案。

巴西政府预计将于当地时间 23 日早上，宣布灭火计划框架内的初期举措。巴西总统府办公厅主任奥妮克斯•洛伦佐尼表示：「所有部门都被动员提交解决方案。从涉及火灾、砍伐林木的精准行动，到地区整体的解决方案。」

此外，智利、阿根廷和委内瑞拉也已提出，愿为巴西境内的灭火提供帮助。

对此，一些组织已经开始加紧援助亚马逊雨林的拯救工作，倡导监控森林砍伐活动、捐款植树、购买土地等。

除此之外，在火灾面前，人工智能也早已在发挥作用，帮助我们与时间赛跑，最大限度地降低生命与财产损失。

可以供巴西参考的一个案例是，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，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。」

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。

亚马逊热带雨林的大火，在全球都掀起了轩然大波。

除了对于火灾本身的关注。其背后反映出的发展中国家的困扰、环保问题、耕地问题和新闻传播的问题，都在被激烈讨论。

谷歌和麦肯锡全球研究所曾在报告中提到，「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。****」

也许在将来，结合了人工智能或者机器人的救灾方案，能够应对火灾、地震、洪水，包括其他灾害。但是最为重要的是，技术介入之前，民众自身的自觉和自制，能让地球远离火灾的伤害。