場景介(jie)紹：對于無法消除(chu)的森林火災(zai)問題，AI 技術結合(he)衛星圖像，能夠在救災(zai)過程過程中作出及時合(he)理的見解(jie)，幫助人們將損失(shi)降到低。

關鍵詞：火災(zai)救(jiu)援、衛星影像、卷積神經網(wang)絡

森林火災(zai)沒有辦(ban)法完全避免，我們也經常在(zai)報(bao)道中，聽聞火災(zai)帶(dai)來的(de)巨大損失。那(nei)么(me)對于森林大火的(de)，有沒有能夠抵擋的(de)方式呢?

在救災工作(zuo)中，及時掌握全面而準(zhun)確的(de)(de)信息，以(yi)實現資源的(de)(de)合理(li)分配，是至關重要的(de)(de)。而現在，基于 AI 的(de)(de)技術，正在發揮著一些作(zuo)用，它能夠幫助我們與時間賽跑，挽回(hui)更多生命和(he)損失(shi)。

 也許在下一次(ci)面對(dui)大火的(de)時候， AI 能(neng)夠幫助我們抵(di)擋住野火的(de)肆(si)虐。

在火災中發揮作用的 AI 技術

在去年損失慘重的加州大(da)火中(zhong)，就有一家(jia)叫(jiao) CrowdAI 的公司通(tong)過衛星數(shu)據，綜合圖(tu)像視覺技術參與了救援。

CrowdAI 使用Spacenet 和Deepglobe 的衛星圖像，以及 DigitalGlobe 和 Planet Labs 的數(shu)據，訓練(lian)卷積神經(jing)網絡。

只需一秒鐘的時間，就能預測和評(ping)估受災程(cheng)度，再(zai)將(jiang)評(ping)估結果報(bao)告給救(jiu)(jiu)援(yuan)指揮中心(xin)，幫助科學(xue)調(diao)配救(jiu)(jiu)援(yuan)資源，制定更科學(xue)的救(jiu)(jiu)援(yuan)方案(an)。

借助于 CrowdAI 自定(ding)義的深(shen)度(du)學習模型，除了(le)標注常規的房屋(wu)建筑，還擴大(da)到了(le)獨立(li)結(jie)構，比如車(che)棚、公(gong)用(yong)設施棚和谷倉等。

在那一次的火災(zai)中(zhong)(zhong)，從衛(wei)星圖像中(zhong)(zhong)識別出結構(gou)后(hou)，根據(ju)受災(zai)前后(hou)的圖像對比， AI 模型用紅點(dian)標(biao)識出損壞(huai)所在的位置。

拓展(zhan)到整個地區，通過標記點的數量定出受(shou)(shou)災的嚴重(zhong)程度(du)，就能用不同的顏色區別(bie)出受(shou)(shou)災的程度(du)。

后在 Google Earth 或 ArcGIS 上標記(ji)出來，就能為救(jiu)災(zai)和重建(jian)工作做(zuo)出指導(dao)。

對于不(bu)斷追求評估速度(du)的(de)目標，CrowdAI 的(de)創始人兼首席(xi)執行官 Devaki Raj 說(shuo)到，「當災難發(fa)生(sheng)時，我(wo)們必須要快速的(de)給出預測，這就是(shi)我(wo)們需要這種速度(du)的(de)原因。」

很多救援人(ren)員和級政府官員，通過這些快速生成的(de)數據，更(geng)合(he)理的(de)協調了(le)救援工作，這提升了(le)解決緊要(yao)問題的(de)效率。

為了盡可能準確(que)的完成(cheng)受(shou)(shou)災情況的評(ping)估，之前的方法(fa)需要很(hen)(hen)大量的數據訓(xun)練(lian)(lian)，但 CrowdAI 的機器學習負責人Jigar Doshi 提到，「因為機器視(shi)覺技術(shu)已經(jing)很(hen)(hen)成(cheng)熟了，我(wo)們不需要訓(xun)練(lian)(lian)很(hen)(hen)大的模型(對受(shou)(shou)災情況)，就(jiu)能進行(xing)有效的評(ping)估。」

衛星數據在 AI 引導下的人文關懷

CrowdAI 利用衛星圖像，通過計算機(ji)視(shi)覺等技術，提供數(shu)據服務，稍有(you)不(bu)同的是，他(ta)們把精力主(zhu)要投入在(zai)了自然災害方面。

CrowdAI 還與 Facebook AI 進行過合作，研究颶風和火災造成損失的評估工作。他們的研究成果《From Satellite Imagery to Disaster Insights》也被 NeurIPS 會議所接受。

在論(lun)文(wen)中，他們的(de)研究獲到(dao)(dao)了(le)很好(hao)的(de)成(cheng)績(ji)：在 2017 年德克薩斯州附近被颶風(feng)哈維(wei)損壞的(de)道路識(shi)別時(shi)，達到(dao)(dao)了(le) 88.8% 的(de)準(zhun)確(que)率，而在 Santa Rosa 火災中識(shi)別損壞建筑(zhu)物時(shi)準(zhun)確(que)率達到(dao)(dao)了(le) 81.1%。

而在(zai)(zai)災(zai)難預測的方面， CrowdAI 也在(zai)(zai)探索能夠預測到的災(zai)害模型，據稱(cheng)，他們(men)在(zai)(zai)嘗試通(tong)過整合風力(li)、降(jiang)水和(he)社交媒體等數(shu)據，積極(ji)開發(fa)能超越(yue)衛星圖像的深度(du)學習工(gong)具。

對抗火災，AI 在前進

 除了 CrowdAI ，也有其他的(de)公司和(he)機構正在做著相似(si)的(de)努力。

大(da)自然(ran)保護協會，正在利用(yong)小型(xing)衛星的圖像和 AI 技術，引進(jin)(jin)森(sen)林(lin)的消(xiao)防工具。通過數量(liang)眾(zhong)多的小型(xing)衛星，拍攝而成的高清圖片，對森(sen)林(lin)狀(zhuang)況進(jin)(jin)行(xing)實時(shi)(shi)的監(jian)控，通過 AI 的數據分析，能夠及(ji)時(shi)(shi)的作出預防和報警。

　　還有一家叫(jiao)做Salo Science 的(de)(de)公(gong)司，正在(zai)(zai)通(tong)過 AI 技術，研究(jiu)對(dui)森(sen)林(lin)火災風(feng)險評定(ding)的(de)(de)工作。他(ta)們在(zai)(zai)開發的(de)(de) AI 產(chan)品，同樣是基于衛星圖(tu)像和數(shu)(shu)據，通(tong)過對(dui)樹(shu)木(mu)等(deng)情況，綜合地形(xing)，地勢(shi)，可(ke)積燃(ran)物等(deng)因(yin)素的(de)(de)分析(xi)，給消(xiao)防人員提供(gong)森(sen)林(lin)的(de)(de)區域(yu)地形(xing)圖(tu)以及風(feng)險指示數(shu)(shu)據。幫助(zhu)他(ta)們在(zai)(zai)危(wei)險來臨(lin)時，作出更(geng)好的(de)(de)選擇。

此外，對于消(xiao)防(fang)機器(qi)人(ren)的研究，也(ye)一直在進步。在前(qian)段時間的報(bao)道(dao)中，蕭山消(xiao)防(fang)機器(qi)人(ren)就在一場(chang)大火(huo)中大顯身手(shou)，通(tong)過(guo)沖進火(huo)場(chang)、偵(zhen)查探(tan)路、與消(xiao)防(fang)人(ren)員協同作戰，終成(cheng)功滅(mie)火(huo)。但消(xiao)防(fang)機器(qi)人(ren)還不夠(gou)智能(neng)(neng)，不能(neng)(neng)應對復雜的地形，目前(qian)也(ye)不能(neng)(neng)單獨進行(xing)救災(zai)。

也許，在不久的(de)將來，這些結合了 AI 或者機器人(ren)的(de)應用，能夠降(jiang)服可(ke)怕的(de)火災。

谷歌和(he)麥肯錫全(quan)球研究所(suo)做(zuo)過一份報(bao)告，主旨是關于(yu) AI 造(zao)福人(ren)類的案例(li)，報(bao)告中(zhong)提(ti)到，「 AI 能更準(zhun)確地提(ti)供救援工作(zuo)和(he)應急(ji)準(zhun)備，相比于(yu)人(ren)類救援要更快速，而(er)且適用范圍更廣。」

期待 AI 能夠制服火災的那一(yi)天!