場景介紹：對于無法消除的森林火災問題，AI 技術結合衛星圖像，能夠在救災過程過程中作出及時合理的見解，幫助人們將損失降到低。

關鍵詞：火災救援、衛星影像、卷積神經網絡

森林火災沒有辦法完全避免，我們也經常在報道中，聽聞火災帶來的巨大損失。那么對于森林大火的，有沒有能夠抵擋的方式呢?

在救災工作中，及時掌握全面而準確的信息，以實現資源的合理分配，是至關重要的。而現在，基于 AI 的技術，正在發揮著一些作用，它能夠幫助我們與時間賽跑，挽回更多生命和損失。

也許在下一次面對大火的時候， AI 能夠幫助我們抵擋住野火的肆虐。

在火災中發揮作用的 AI 技術

在去年損失慘重的加州大火中，就有一家叫 CrowdAI 的公司通過衛星數據，綜合圖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 的數據，訓練卷積神經網絡。

只需一秒鐘的時間，就能預測和評估受災程度，再將評估結果報告給救援指揮中心，幫助科學調配救援資源，制定更科學的救援方案。

借助于 CrowdAI 自定義的深度學習模型，除了標注常規的房屋建筑，還擴大到了獨立結構，比如車棚、公用設施棚和谷倉等。

在那一次的火災中，從衛星圖像中識別出結構后，根據受災前后的圖像對比， AI 模型用紅點標識出損壞所在的位置。

拓展到整個地區，通過標記點的數量定出受災的嚴重程度，就能用不同的顏色區別出受災的程度。

后在 Google Earth 或 ArcGIS 上標記出來，就能為救災和重建工作做出指導。

對于不斷追求評估速度的目標，CrowdAI 的創始人兼首席執行官 Devaki Raj 說到，「當災難發生時，我們必須要快速的給出預測，這就是我們需要這種速度的原因?！?/p>

很多救援人員和級政府官員，通過這些快速生成的數據，更合理的協調了救援工作，這提升了解決緊要問題的效率。

為了盡可能準確的完成受災情況的評估，之前的方法需要很大量的數據訓練，但 CrowdAI 的機器學習負責人Jigar Doshi 提到，「因為機器視覺技術已經很成熟了，我們不需要訓練很大的模型(對受災情況)，就能進行有效的評估。」

衛星數據在 AI 引導下的人文關懷

CrowdAI 利用衛星圖像，通過計算機視覺等技術，提供數據服務，稍有不同的是，他們把精力主要投入在了自然災害方面。

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。

在論文中，他們的研究獲到了很好的成績：在 2017 年德克薩斯州附近被颶風哈維損壞的道路識別時，達到了 88.8% 的準確率，而在 Santa Rosa 火災中識別損壞建筑物時準確率達到了 81.1%。

而在災難預測的方面， CrowdAI 也在探索能夠預測到的災害模型，據稱，他們在嘗試通過整合風力、降水和社交媒體等數據，積極開發能超越衛星圖像的深度學習工具。

對抗火災，AI 在前進

除了 CrowdAI ，也有其他的公司和機構正在做著相似的努力。

大自然保護協會，正在利用小型衛星的圖像和 AI 技術，引進森林的消防工具。通過數量眾多的小型衛星，拍攝而成的高清圖片，對森林狀況進行實時的監控，通過 AI 的數據分析，能夠及時的作出預防和報警。

　　還有一家叫做Salo Science 的公司，正在通過 AI 技術，研究對森林火災風險評定的工作。他們在開發的 AI 產品，同樣是基于衛星圖像和數據，通過對樹木等情況，綜合地形，地勢，可積燃物等因素的分析，給消防人員提供森林的區域地形圖以及風險指示數據。幫助他們在危險來臨時，作出更好的選擇。

此外，對于消防機器人的研究，也一直在進步。在前段時間的報道中，蕭山消防機器人就在一場大火中大顯身手，通過沖進火場、偵查探路、與消防人員協同作戰，終成功滅火。但消防機器人還不夠智能，不能應對復雜的地形，目前也不能單獨進行救災。

也許，在不久的將來，這些結合了 AI 或者機器人的應用，能夠降服可怕的火災。

谷歌和麥肯錫全球研究所做過一份報告，主旨是關于 AI 造福人類的案例，報告中提到，「 AI 能更準確地提供救援工作和應急準備，相比于人類救援要更快速，而且適用范圍更廣?！?/p>

期待 AI 能夠制服火災的那一天!