AI-eszközzel keresnék vissza, hol kezdődött egy erdőtűz
A USC mérnökei és a California Department of Forestry and Fire Protection GenFire néven olyan mesterségesintelligencia-eszközt fejlesztenek, amely egy erdőtűz terjedéséből próbálja visszafejteni annak kiindulási pontját. A rendszer a tűz első 24 órájának lehetséges forgatókönyveit is rekonstruálná.
- A USC és a Cal Fire GenFire néven AI-eszközt fejleszt az erdőtüzek eredetének meghatározására.
- A rendszer a tűz első 24 órájának lehetséges terjedési forgatókönyveit rekonstruálná.
- A modell környezeti adatokat, tűzészleléseket és szimulált tüzeket használna.
- A GenFire-t körülbelül 100 történelmi erdőtűzön validálnák.
- A kutatók nyílt forráskódúvá tennék az eszközt.
Hosszadalmas és pontatlan lehet a tűzvizsgálat
Az erdőtüzek kiindulási helyének gyors meghatározása komoly kihívást jelent a tűzvizsgálók és a kutatók számára. A hagyományos vizsgálatok többek között olyan fizikai nyomokra, például perzselési jelekre támaszkodnak, amelyek felméréséhez a szakértőknek a helyszínre kell menniük. Ez időigényes folyamat, miközben a műholdas adatok elérhetősége és a tudományosan megalapozott eszközök hiánya a valós idejű követést is nehezíti.
A tűz viselkedését folyamatosan változó tényezők alakítják. A terep, az időjárás és a növényzet típusa egyaránt befolyásolja, milyen irányban és milyen gyorsan terjed a láng. Emiatt nehéz megkülönböztetni azt a területet, ahol a tűz elkezdődött, azoktól a részekből, amelyeket később ért el.
A USC közleménye szerint a korábbi módszerek átlagosan körülbelül 2 kilométeres pontossággal tudták meghatározni a kezdeti tűzfészket. A műholdak sok esetben 12 és 24 óra közötti időközönként rögzítenek megfigyeléseket, így egy tűz hat, tíz vagy akár tizenkét órán át is terjedhet, mielőtt újabb adat érkezik róla.
A GenFire többféle adatból dolgozna
A GenFire fejlesztésén a University of Southern California és a Cal Fire dolgozik. A kutatócsoportot Assad Oberai, a USC Viterbi Department of Aerospace and Mechanical Engineering vezetője és a tanszék Hughes-professzora irányítja. A csapat tagja Peter Beerel, a USC villamos- és számítástechnikai mérnöki professzora, valamint Shawn Zimmermaker, a Cal Fire helyettes vezetője és a Wildland Fire Investigation Subcommittee elnöke.
Az eszközt olyan környezeti adatokkal tanítanák, mint a szél, a hőmérséklet, a páratartalom, a terep és a növényzet. Emellett azt is figyelembe venné, hogy hol és mikor észlelték a tüzet. A generatív AI ezekből az adatokból visszafelé dolgozna, és a tűz megfigyelt terjedése alapján több lehetséges forgatókönyvet állítana elő az első 24 órára. Ezek összehasonlításával azonosíthatná a legvalószínűbb gyújtási területet, valamint rekonstruálhatná a kezdeti terjedés sorrendjét.
A kutatók több ezer, fizikán alapuló szimulációval létrehozott virtuális erdőtüzet is felhasználnának a tanításhoz. A modellt ezután olyan történelmi tüzeken tesztelnék, amelyek ismert kiindulási ponttal rendelkeznek. A tervek szerint körülbelül 100 korábbi erdőtűzön mérik majd, mennyire egyeznek a rendszer előrejelzései a tényleges eredettel.
A kamerahálózatok sűrűbb megfigyelést biztosíthatnak
A csapat a FireLoc nevű, korábban bemutatott geolokációs keretrendszerre is építene. Ezt az ALERTCalifornia és az ALERTWest kamerahálózatainak videóihoz igazítanák. A dombokra és hegytetőkre telepített kamerák közel valós időben, nagy felbontású látható tartományú videót készítenek, de a távolság és a terepakadályok korlátozzák a használhatóságukat.
A videók feldolgozásával a folyamatos kameraképek időbélyeggel ellátott tűzaktivitási térképekké alakulhatnának. Ez perceként biztosíthatna megfigyeléseket a GenFire számára, szemben a műholdas adatok 12 és 24 óra közötti időközeivel.
A projekt a forrás szerint a következő hónapban indul, és két évig tart. A kutatók a Wildland Fire Investigation Subcommittee közreműködésével tesztelik majd a rendszert, hogy az a gyakorlati munkában is használható legyen. A GenFire-t nyílt forráskódúvá is tennék, így tűzvizsgálók és kutatók használhatnák, értékelhetnék, illetve továbbfejleszthetnék.
Assad Oberai szerint a munka jogi és tudományos szempontból is fontos, mert a tűz eredetének azonosítása segíthet megkülönböztetni a természetes okokat, a baleseteket és az olyan bűncselekményeket, mint a szándékos gyújtogatás. A kutatók azt várják, hogy a módszer szabványosabbá és gyorsabbá teheti a vizsgálatokat, valamint támogathatja a jövőbeli megelőzési és kárenyhítési intézkedéseket.
USC Viterbi (AI): Engineers Develop an AI Tool to Trace Where Wildfire Started
