A mesterséges intelligencia (MI) már ma is segíti a vadon tűzeinek észlelését és nyomon követését; most kutatók azt vizsgálják, hogyan segíthetne az MI abban is, hogy tűzoltóságok jobban megtervezzék, melyik tűzhöz küldjenek személyzetet, amikor egyszerre több erdőtűz tombol.
Miért fontos ez?
A klímaváltozás hozzájárul a tűzszezonok meghosszabbodásához és intenzívebbé válásához, ami egyre gyakoribbá teszi a több, egyszerre fellángoló tüzeket és növeli a döntéshozatal kockázatát a korlátozott erőforrások elosztásakor. Az MI eszközök képesek gyorsabban rendszerezni és feldolgozni a rendelkezésre álló információt, így potenciálisan meggyorsíthatják a priorizálási döntéseket.
Aktuális helyzet
Jason Fallon, a U.S. Wildland Fire Service wildland fire intelligence részlegének vezetője az Axiosnak elmondta, hogy az MI már számos területen beépült a tűzkezelésbe az Egyesült Államokban: észlelésben, megfigyelésben, információk terjesztésében és adatátvitelben. MI-vezérelt kamerák, műholdas rendszerek és meteorológiai előrejelző eszközök segítik a nyugati államok ügynökségeit abban, hogy gyorsabban észleljék a tüzeket és korábban telepítsenek személyzetet.
Fallon hangsúlyozta, hogy a műholdas adatokat segítő MI-alkalmazások alkalmasak arra, hogy "gyorsan végigmenjenek egy munkafolyamaton és elkülönítsék a zajt a valóságtól".
Kutatói megközelítés
Léonard Boussioux, a University of Washington Foster School of Business információs rendszerek professzora egy kutatócsoport tagjaként azt vizsgálja, hogyan kombinálható a gépi tanulás és matematikai optimalizáció annak érdekében, hogy segítsék a tűzoltó vezetőket a személyzet kiosztásában, amikor egyszerre több tűz zajlik. A csapat megközelítése előrejelzi, hogyan alakulhatnak a különböző tüzek eltérő elnyomási szintek mellett, majd matematikai modellt használ ajánlás készítésére a bevetések elosztásáról. A bemutatott kutatási cikk még nem esett át lektoráláson.
Számok és tendenciák
Az Egyesült Államokban tavaly 77 850 vadontűzhöz kapcsolódó eseményt regisztráltak — amely "jelentősen magasabb a 5 és 10 éves átlagoknál", a National Interagency Coordination Center adatai szerint. Az idei tűzszezon a National Interagency Fire Center jelentése alapján meghaladja a 10 éves átlagot mind a feljegyzett tüzek számában, mind az elégett területek nagyságában.
Mit mondanak a szakértők?
"Ami nehéz, az előre megjósolni, melyik tűz fog hirtelen felerősödni," mondta Boussioux az Axiosnak. "Melyik tüzet kell most prioritásként kezelnünk, miközben nem feltétlenül rendelkezünk a szükséges erőforrásokkal?" A csapat célja, hogy előre jelezze, hogyan viselkedhetnek párhuzamosan zajló tüzek — két hetes előrejelzéseket készítve és különböző elnyomási forgatókönyveket modellezve.
A valóság korlátai
Fallon rámutatott, hogy az ilyen kutatások hasznos kiegészítők lehetnek a döntéshozatalban, ugyanakkor még nem világos, milyen mértékben. Hangsúlyozta, hogy az MI szerepe a tűzoltók, döntéshozók és elemzők munkájának kiegészítése, nem a kiváltása: a tűzoltósági vezetők továbbra is ők irányítják a stratégiát és a cselekvést.
Az MI csökkentheti a kognitív terhelést és felgyorsíthatja a felismerést gyorsan változó, összetett helyzetekben, de a szakértelem, a tapasztalat és a kockázatvállalási döntések továbbra is emberektől származnak. Fallon megjegyezte: "A gépnek nincs 30 éves tűzoltói tapasztalata." Egy modell például nem feltétlenül tudja, hogy egy adott utcában lakóktól többen nem rendelkeznek járművel és segítségre szorulnak az evakuáció során — a modell csak azt ismeri, amit betáplálunk neki.
Korlátok és kockázatok
Matt Weiner, a Megafire Action nonprofit szervezet ügyvezető igazgatója szerint az MI önmagában nem fogja megoldani a hatalmas, pusztító erdőtüzek problémáját. Ugyanakkor szerinte az MI már most is hasznos abban, hogy segítse a hatékonyság növelését: megmutatja, hol lehet a leghatékonyabban dolgozni minden skálán, és elősegítheti, hogy a megfelelő erőforrások a megfelelő tűzhöz kerüljenek.
Ugyanakkor az MI pontatlan információkat is szolgáltathat, ami kockázatot jelenthet életekre és vagyonra nézve. A Government Accountability Office felhívta a figyelmet arra is, hogy a ritka, szélsőséges tüzekre vonatkozó korlátozott adatok megnehezítik az MI-alapú előrejelzést.
Következő lépések
A kutatók összetettebb eszközöket fejlesztenek a bonyolult tűzkezelési döntések modellezésére, de ezek hasznossága nagymértékben függ az alapul szolgáló adatok minőségétől és szervezésétől. Boussioux azt emelte ki: "Már rendelkezünk technológiával, hogy jobbá tegyük a dolgokat, de nem feltétlenül állnak rendelkezésre a megfelelő adatok, vagy nincsenek megfelelően kezelve, rendszerezve."
Amy Harder hozzájárult a riporthoz.
