Key takeaways
- En nylig undersøgelse viste, at kunstig intelligens kunne forudsige lynnedslag og beskytte folk mod skovbrande.
- AI kan også hjælpe med at behandle data modtaget fra satellitsystemer og udskille falske alarmer.
- En by i Colorado bruger et AI-drevet program, der overvåger røgrapporter over 90 kvadratkilometer.
Seneste fremskridt inden for kunstig intelligens (AI) kunne hjælpe med at beskytte folk mod skovbrande.
En ny undersøgelse viser maskinlæring - computeralgoritmer, der forbedrer sig selv uden direkte programmering af mennesker - kan forbedre lynprognoser. En bedre forståelse af, hvor lynet kan slå ned, kan hjælpe med at forudsige brande startet af boltene fra himlen.
"Ved at kombinere fjernregistrerede data med information, såsom jordsandhed fra tidligere brande, vegetationssundhed og tørhed, kan AI tilbyde muligheden for at forbedre overvågning af skovbrande og prognose for udbredelse af skovbrande," Scott Mackaro, vicepræsident for videnskab, innovation og udvikling hos vejrudsigtsfirmaet AccuWeather, som ikke var involveret i undersøgelsen, fort alte Lifewire i et e-mailinterview.
Forudsige fare
Forbedrede lynudsigter kan hjælpe med at forberede sig på potentielle skovbrande og forbedre sikkerhedsadvarsler for lyn.
"De bedste emner til maskinlæring er ting, som vi ikke helt forstår. Og hvad er der noget inden for atmosfærisk videnskab, der stadig er dårligt forstået? Lyn," sagde Daehyun Kim, professor i atmosfæriske videnskaber ved University of Washington, der var involveret i den nylige undersøgelse, sagde i en pressemeddelelse. "Så vidt vi ved, er vores arbejde det første til at demonstrere, at maskinlæringsalgoritmer kan fungere for lyn."
Den nye teknik kombinerer vejrudsigter med en maskinlæringsligning baseret på analyser af tidligere lynhændelser. Undersøgelsens forfattere sagde, at hybridmetoden kunne forudsige lyn over det sydøstlige USA to dage tidligere end den eksisterende førende teknik.
Forskere trænede systemet med lyndata fra 2010 til 2016, hvilket lod computeren opdage sammenhænge mellem vejrvariabler og lyn. Derefter testede de teknikken på vejret fra 2017 til 2019, og sammenlignede den AI-understøttede proces og en eksisterende fysikbaseret metode ved at bruge faktiske lynobservationer til at evaluere begge dele.
AI kan hjælpe med at behandle data modtaget fra satellitsystemer, udskille falske alarmer og fjerne dem, fort alte vejrekspert Yuri Shpilevsky fra appen Clime til Lifewire i et e-mailinterview.
"Udover det kan AI hjælpe med at spore vejrparametrene i forskellige regioner og detektere de mindre områder, hvor vejrforholdene er de 'mest gunstige' for en brand at starte," tilføjede han. Dette kan hjælpe os til automatisk at fokusere på de tørreste og dermed mest brandudsatte steder og udføre brandforebyggende aktiviteter der."
Putting Theory I Practice
Kunstig intelligens bliver allerede brugt til at hjælpe med at overvåge for naturbrandfare.
Aspen Fire Protection District bruger et AI-drevet program, der udnytter kameraer til at overvåge røgrapporter over 90 kvadratkilometer i Colorado. Programmet er lavet af et Californien-baseret firma kaldet Pano AI og bruger højopløsningskameraer, der kan dreje 360 grader.
"Vi ved, at minutter betyder noget, når det kommer til reaktion på naturbrande," sagde Arvind Satyam, Pano AI's kommercielle chef, i en pressemeddelelse. "Vores vision er at skabe et netværk af avancerede kameraer samt integrere eksisterende videofeeds, der udnytter vores kunstige intelligens og vores intuitive software til at give rettidige og præcise advarsler til situationsfornemmelsesteams for at forhindre små opblussen i at blive store infernos."
Mange virksomheder bruger kunstig intelligens til at forbedre vejrudsigter. For eksempel bruger Weather Stream kunstig intelligens til at overvåge nedbør fra globale satellitdata, hvilket indikerer tørkeområder.
"AI- og satellitdata kan bruges på flere stadier af skovbrandscyklussen," fort alte Richard Delf, en fjernmålingsforsker ved Weather Stream, til Lifewire i et e-mailinterview. "Vi kan bruge kunstig intelligens til at fortolke satellitdata for at etablere regionale brændstofniveauer, niveauer af fugt ved overfladen og baldakinniveauer, som sammen med det lokale klima er nøgleindikatorer for risikoen for naturbrande i en region."
Fremtidige fremskridt inden for kunstig intelligens vil gøre prognoser for naturbrande endnu mere nøjagtige, forudsagde Shpilevsky. Computermodeller vil lave forudsigelser baseret på vejrforhold og andre data, såsom en skovs vegetationstype, vindmønstre, gunstige forhold for lynnedslag.
"Dette vil hjælpe med at give re altidsprognoser for, hvordan en naturbrand vil sprede sig, forudsige den forventede brandintensitet, evaluere den mulige skade, estimere de nødvendige ressourcer til at lokalisere branden," tilføjede han.
