Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 هوش مصنوعی سریع‌تر از انسان می‌تواند آتش سوزی جنگل ها را تشخیص دهد

هوش مصنوعی سریع‌تر از انسان می‌تواند آتش سوزی جنگل ها را تشخیص دهد

زمان مطالعه: 4 دقیقه

سَم والِس، در طول هشت سال فعالیت خود به عنوان مدیر هشدار جمعی در سونوما کالیفرنیا بارها شعله‌ور شدن شهرهای حوزه‌‌ی مدیریتی خود را به چشم دیده است. آتش سوزی جنگل ها که از قبل درباره آن‌ها هشدار داده نمی‌شود، خانه‌ها را به ویرانی می‌کشاندند و دامنه‌ تپه‌ها، دره‌ها و تاکستان‌های چشم‌نواز شمال سان‌فرانسیسکو را به خاکستر تبدیل می‌کنند. سال گذشته، والِس مجبور شد خانه خود را تخلیه کند. در سال 2017 خانه‌اش زیر لایه‌ای از خاکستر و بقایای آتش‌سوزی Tubbs که باد با خود آورده بود، مدفون شد. آتش‌سوزی Tubbs که یکی از ویران‌گر‌ترین آتش‌سوزی‌ها در تاریخ کالیفرنیا شناخته می‌شود، 000/37 جریب زمین را به نابودی کشاند. به گفته والِس:« آتش‌سوزی Tubbs حادثه‌ای سرنوشت‌ساز بود. گستردگی و پیشروی سریع این آتش‌سوزی مانع آن می‌‌شد که بتوانیم آن را کنترل و مهار کنیم.»

آتش سوزی جنگل ها

پس از فرونشاندن شعله‌های آتش، چندین آژانس محلی سیستمی متشکل از چندین دوربین، که بر روی دکل‌ها قرار می‌گیرند، نصب کردند. این سیستم که ALERTWildfire نامیده می‌شود، دود و شعله‌های آتش را، پیش از اینکه مهارشان از کنترل انسان خارج شود، تشخیص می‌دهند. سونوما دارای 21 دستگاه با ولتاژ بالا است که مناطق مستعد آتش‌سوزی را اسکن می‌کند و از آن‌ها تصویربردار می‌کنند. این دستگاه‌ها برای تأئید و گاها تشخیص آتش سوزی جنگل ها ، هر ده ثانیه یک بار تصاویر را مخابره می‌کنند. اعزام‌کنندگان مستقر در مرکز آتش‌نشانی به دقت این تصاویر را، که بر روی مانیتورهای دیواری نمایش داده می‌شوند، بررسی می‌کنند و در صورت مشاهده دودهای مشکوک، به نیروهای مرکز عملیات اضطراری اطلاع می‌دهند. علاوه بر این، شهروندان می‌توانند از طریق شماره 911 با آن‌ها در ارتباط باشند.

به گفته والِس، در چنین مواقعی، علی‌الخصوص هنگامی که شرایط بحرانی می‌شود، کارهای زیادی از انسان‌ها ساخته است. اینکه فردی را مأمور کنیم شب و روز به دیوار زل بزند و منتظر شروع آتش‌سوزی باشد، کمکی به بهبود شرایط نمی‌کند.

و امروز، ابزاری قدرتمند و خستگی‌ناپذیر به کمک والس آمده است: از اول ماه مه، هوش مصنوعی تصاویری که دوربین‌ها ثبت می‌کنند را غربال می‌کند و آن‌ها را با تصاویری که قبلاً از همان ناحیه گرفته‌ شده‌اند مقایسه می‌کند. سرعت هوش مصنوعی در غربال این تصاویر به اندازه‌ای بالا است که از توان انسان خارج است. سیستم در صورت تشخیص موارد مشکوک به مرکز اعزام هشدار می‌دهد. به گفته گراهام کنت، هدف از استفاده از این سیستم تشخیص زودهنگام آتش‌سوزی و اعزام سریع آتش‌نشان‌ها به موقعیت است. گراهام کنت سیستم ALERTWildfire را توسعه داده و مدیریت آزمایشگاه لرزه‌نگاری نوادا واقع در دانشگاه نوادا، رنو را بر عهده دارد.

آتش سوزی جنگل ها
دوربین ALERTWildfire دودهای ناشی از آتش‌سوزی که تحت کنترل قرار داشت را تشخیص داد. بر روی نقشه‌ی سمت راست، محل آتش‌سوزی، پتالوما، کالیفرنیا، نشان داده شده است. منبع تصویر: ALERTWildfire.org

پس از آنکه سونوما این سیستم را به طور کامل فعال کرد ، این فناوری توانست ده دقیقه زودتر از مرکز 911 وقوع آتش سوزی جنگل ها را گزارش دهد. شاید در نگاه اول این پنجره زمانی کوچک به نظر برسد اما در همین مدت زمان کم هم می‌توانیم مانع از آن شویم که شعله‌های کوچک آتش به آتش‌سوزی‌های گسترده و مهار گسیخته تبدیل شوند. به گفته والس:«من به این فناوری خوش‌بین هستم و می‌دانم که هوش مصنوعی می‌تواند حوزه مدیریتی مرا از خطر مصون نگه دارد».

به گفته کی‌تی مَک‌نالتی، مدیر اجرایی مرکز اعزام و آتش‌نشانی سونوما، نیروهای اعزام کننده کار با این سیستم را یاد می‌گیرند و در نتیجه عملکرد این سیستم هفته به هفته بهتر می‌شود. به گفته مَک‌نالتی، توسعه‌دهندگان این نرم‌افزار، یک داشبورد داده، هشدارهای صوتی و ویژگی‌های دیگری به این سیستم اضافه کرده‌اند که به بهبود همکاری انسان و هوش مصنوعی کمک می‌کند.

الگوریتم‌های هوش مصنوعی هنوز باید چیزهایی بیاموزند و گاهی اوقات مرکز 911 می‌تواند از آن‌ها پیشی بگیرد. طبق برآورد نیل ساهوتا، مخترعی که مدتی با IBM همکاری داشته و مشاور سازمان ملل در مسائل هوش مصنوعی است، این سیستم حداقل باید 70 آتش‌سوزی واقعی را «ببیند» تا اطلاعات کافی در این زمینه به دست آورد. علاوه بر این، این سیستم باید «واژگان» منطقه سونوما را بیاموزد تا برای مثال، بتواند دود را از ابر و مه تشخیص دهد. (این سیستم هوش مصنوعی یک بار به اشتباه بخارهای یکی از مناطق ذخیره انرژی زمین‌گرمایی به نام Geysers را آتش تشخیص داده بود). به گفته ساهوتا، که در پروژه سونوما همکاری ندارد، حذف صد درصدی چنین مثبت‌های کاذبی طول می‌کشد. والس امیدوار است این سیستم بتواند تا ماه نوامبر اطلاعات موثق و معتبری درباره آتش‌سوزی‌ها در اختیار آنان بگذارد.

روند پیشرفت سیستم نظارتیِ مجهز به هوش مصنوعی سونوما از دیدِ دیگر شهرهای ایالت کالیفرنیا پنهان نمانده است. به گفته کنت، برخی از این شهرها متعد شده‌اند که با شرکت Alchera، واقع در کره جنوبی، که این سیستم را برای سونوما توسعه داده است، همکاری کنند. به گفته رابرت گری، نماینده شرکت Alchera، هدف این شرکت این است که 850 دوربین ALERTWildfire که در شش ایالت غربی نصب شده‌اند را به فناوری هوش مصنوعی مجهز کند.

در نیومکزیکو نیز سیستم‌های مجهز به هوش مصنوعی برای تشخیص زودهنگام آتش سوزی جنگل ها در حال آزمایش هستند. مدیران اراضی نیومکزیکو با استفاده از فناوری هوش مصنوعی تصاویر ماهواره‌ای مادون قرمز را تحلیل می‌کنند و داده‌هایی که نشان‌دهنده شعله‌های اولیه آتش هستند را گزارش می‌دهد. در برزیل نیز گروهی از دانشمندان یک سیستم هوش مصنوعی توسعه داده‌اند که تصاویری که دوربین‌های 360 درجه ثبت کرده‌اند را پردازش می‌کند و وقوع آتش‌سوزی را به مقامات محلی گزارش می‌دهد. این سیستم، در عرض سه سال، مدت زمان تشخیص آتش‌سوزی را از تقریباً 40 دقیقه به کمتر از 5 دقیقه کاهش داد. علاوه بر این، کنت در حال راه‌اندازی یک شبکه تصویربرداری موسوم به BushfireLIVE است که از سیستم هوش مصنوعی Alchera در پایتخت استرالیا یعنی کانبرا و حومه استفاده خواهد کرد.

آتش سوزی جنگل ها

ممکن است روزی فرا برسد که سیستم‌های تشخیص‌دهنده هوش مصنوعی بتوانند ریسک آتش‌سوزی را پیش از وقوع آن اندازه‌گیری کنند. در همین راستا، لازم است سیستمی آموزش دهیم تا داده‌های تاریخی به دست آمده از تصاویر دوربین‌ها را با عوامل مرتبط با آتش سوزی جنگل ها ، از جمله میزان بارندگی و مقدار رطوبت، ترکیب کند. هوش مصنوعی می‌تواند حجم بالایی از این نقطه‌داده‌ها را در کسری از ثانیه و بسیار سریع‌تر از آنکه انسان‌ها بتوانند تصورش را بکنند، پردازش و جمع‌آوری کند. به گفته ساهوتا: «با کنار هم قرار دادن این قطعات پازل می‌توانیم محل وقوع آتش‌سوزی را پیش‌بینی کنیم». پس از تشخیص کانون‌های احتمالی، مقامات رسمی می‌توانند با مهار آتش‌سوزی زمین‌های پوشیده شده از بته و خاشاک، استفاده از مشعل‌های قطره‌ای برای تغییر جهت آتش‌سوزی و غیره، ریسک‌های آتش‌سوزی را کاهش دهند.

در استرالیا، که آتش بیش از 47 میلیون جریب زمین را نابود کرد و در مجموع 34 نفر را در سال‌های 2019 و 2020 را به کام مرگ کشانده، مدیران اراضی با استفاده از Google Earth، داده‌های هواشناسی و سیستم های هوش مصنوعی این فناوری را آزمایش می‌کنند. بر اساس مقاله‌ای که سال گذشته در Remote Sensing به چاپ رسیده است، دانشمندانی که اطلاعات مربوط به آتش‌سوزی‌های استرالیا از سال 2001 تا سال 2019 را بررسی می‌کردند، اصلی‌ترین عامل آتش‌سوزی جنگل‌ها را ، میزان رطوبت خاک و به دنبال آن دمای هوا و شاخص شدت خشکسالی دانسته‌اند. بر مبنای چنین یافته‌هایی می‌توانیم متغیرهایی که هوش مصنوعی باید تحت کنترل داشته باشد، را اولویت‌بندی کنیم.

سونوما 20 ماه وقت دارد تا در مورد عقد قرارداد طولانی مدت با شرکت Alchera تصمیم‌گیری کند. والس برای تصمیم‌گیری در این باره، سرعت و ثبات هوش مصنوعی را ارزیابی خواهد کرد.

همزمان با اینکه ایالت کالیفرنیا و سایر مناطق غربی ایالات متحده خود را برای فصل دیگری از آتش‌سوزی‌های ویران‌گر آماده می‌کنند، کنت امیدوار است هوش مصنوعی به مهار سریع‌تر آتش کمک کند. وی از شهروندان خواسته کماکان آتش‌سوزی‌ها را از طریق تماس با 911 و یا توییتر گزارش دهند. حتی برج‌های آتشبانی با قدمت یک قرن، افرادی که از طریق رادیو و خطوط تلفن وقوع آتش‌سوزی را گزارش می‌دهند، کماکان می‌توانند در این زمینه به دولت محلی کمک کنند. به گفته والس:«ما در نبردی دشوار با آتش‌سوزی جنگل‌ها قرار داریم و بدون شک در این نبرد باید از تمام توان بالقوه خود استفاده کنیم».

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]