به گزارش نصر، این امر منجر به مرگ بسیاری از انسان‌ها و حیوانات و همچنین از بین‌ رفتن میلیون‌ها هکتار از جنگل‌ها شده است.
از طرفی دیگر، مدیریت بلایای آتش‌سوزی نیازمند راه‌حل‌هایی برای پیشگیری از آتش‌سوزی، پیش‌بینی و تشخیص، مدیریت ریسک و واکنش است. این یک فرآیند بسیار حساس به زمان است که نیاز به تصمیم‌گیری در محل و انتقال اطلاعات با سرعتی سریع دارد. بنابراین، دیجیتالی‌کردن داده‌های مربوط به آتش برای استفاده از قدرت فناوری‌های هوش مصنوعی به یک گام ضروری تبدیل می‌شود.
استفاده از الگوریتم‌های هوش مصنوعی برای مقابله با مشکلاتی مانند پیش‌بینی رفتار آتش‌سوزی ایده جدیدی نیست، اما نیاز به یک رویکرد سیستماتیک و مرتبط‌تر وجود دارد. این باید تمام داده‌های مربوطه و الگوریتم های بهتر و یکپارچه را برای یک سیستم هوشمند جمع کند.
علاوه بر داده‌های تاریخی آتش‌سوزی، اکنون به منابع مختلف با وضوح بالا و داده‌های بزرگ مانند نقشه‌های دیجیتال، تصاویر ماهواره‌ای، داده‌های به‌موقع آب‌وهوا، شبکه‌های حسگر و داده‌های پست‌های شبکه‌های اجتماعی دسترسی داریم. مدل‌های بصری کامپیوتری طبقه‌بندی پوشش زمین و تشخیص دود را از دوربین‌های ماهواره‌ای و زمینی امکان‌پذیر می‌کنند.
وقتی این منابع با داده‌های حسگر اینترنت اشیا و نقشه‌های زمین ادغام می‌شوند، به ما امکان می‌دهند الگوریتم‌های تشخیص و گسترش آتش بهتری را توسعه دهیم. الگوریتم‌های پیشرفته پردازش زبان طبیعی نیز می‌توانند برای پردازش فوری داده‌های شبکه‌های اجتماعی برای طبقه‌بندی مشاهده آتش یا شرایط آتش‌سوزی استفاده شوند. یک فناوری جدید ممکن، دستگاه‌های خودکار هوا و زمین است که از قدرت الگوریتم‌های جدید بهره می‌برد.
با در نظر گرفتن این موضوع، مجمع جهانی اقتصاد  استفاده از هوش مصنوعی را برای ایجاد نقشه ریسک پویا، تخصیص بهینه منابع و پیشنهاد پاسخ برای آتش‌سوزی‌های جنگلی پیشنهاد می‌کند. برای انجام این کار، مجمع جهانی اقتصاد در حال ایجاد یک جامعه چند ذی‌نفعی متشکل از متخصصان رشته‌های مختلف در سراسر جهان است تا همکاری‌های فناوری و تبادل دانش علمی در مدیریت و تحقیقات آتش‌سوزی را تقویت کند.
سیستم‌های اطفای حریق موجود قطعاً برای همگام شدن با افزایش تعداد آتش‌سوزی‌ها مشکل دارند. این همکاری جهانی مدیریت آتش باعث تقویت همکاری بین نهادهای مختلف مسئول و هماهنگی اقدامات فردی برای توسعه سیستم‌های پشتیبانی مدیریت آتش در سطح جهانی می شود.
ما ۳ ابزار کلیدی مورد نیاز برای مقابله با چالش‌ها و تسهیل راه‌حل‌های موفق در این زمینه را شناسایی کرده‌ایم:
-  داده‌ها
وقتی صحبت از هوش مصنوعی می شود، دقت مدل‌های رفتار آتش به طور مستقیم با داده‌های ورودی مرتبط است. منابع داده با جزئیات کافی، با وضوح بالا و دقیق نقش بسزایی در موفقیت پروژه‌ها دارند.
در حالی که ذینفعانی مانند ادارات دولتی معمولا داده‌های تاریخی، هواشناسی، پوشش گیاهی و جمعیت انسانی را ارائه می‌دهند، لازم است منابع دیگری مانند ناسا، موتور گوگل ائرس و ...برای کارایی بیشتر ادغام شوند. هنگام کار بر روی یک راه حل داده‌گرا که نیاز به ترکیب انواع داده‌ها با وضوح و منابع مختلف دارد، مسائل اصلی که با آن مواجه می‌شوند عبارتند از:
- جمع آوری تصاویری با رزولوشن بالاتر و داده‌های به‌روزتر
-  دیجیتالی‌کردن و استانداردسازی داده‌ها
- تدوین استانداردهای جمع‌آوری داده‌ها
- اتصال داده
-  الگوریتم‌ها
پیشرفت روزافزونی در توسعه الگوریتم‌های مدل‌سازی آتش‌سوزی وجود دارد و با به دست آوردن داده‌های دقیق‌تر و با وضوح بالاتر، نسل بعدی الگوریتم‌ها در دسترس خواهند بود. به عنوان مثال، این شامل الگوریتم‌های تخصصی برای دید در شب در هنگام آتش‌سوزی است.
-  اشتراک‌گذاری دانش
با توجه به سطح کنونی تهدیدهای آتش‌سوزی، مهم است که رویکردی غیرمتمرکز را هدف قرار دهیم. این امر به معنی مخازن داده‌های منبع باز جهانی و مدل های آتش با مشارکت کاربران در سراسر جهان است.

رضا عالش‌زاده
انتهای پیام/