AI初创公司为野火提供早期预警

AI 正在帮助人类更快、更有效地识别和治疗疾病。接下来，AI 还将帮助人类预防像野火这样的自然灾害。

洛杉矶地区的火灾今年已摧毁超过 16,000 座住宅和建筑。据媒体报道，仅 1 月的损失预计就高达 1640 亿美元，这场大火有可能成为美国历史上经济损失最严重的一次自然灾害。

据报道，美国农业部和美国林务局最近几个月一直在将资源投入到减少野草过度生长的有益火灾中。

业内专家表示，消防部门能够借助 AI 更严密地监控规定火烧，使其变得更加安全和更容易被社区接受。

“这就像癌症治疗，”总部位于旧金山的 Pano AI 公司 CEO 兼创始人 Sonia Kastner 表示：“早期筛查能在第一阶段发现问题，并采取积极的治疗手段抑制它的进一步发展。在火灾频发的季节，我们看到各地的客户都在以这种方式使用我们的解决方案。”

总部位于加利福尼亚州圣拉蒙的 Green Grid 专为公用事业公司提供 AI 服务。该公司 CEO Chinmoy Saha 表示，他们在去年 9 月曾向其在大熊度假村的客户发出预警，指出圣贝纳迪诺国家森林内的火灾已逼近该区域。他表示由于有效的提前预警，客户及时采取了灭火准备措施，防止火势蔓延至不可控状态。由于天气条件良好，大火最终未波及客户所在的区域。

谈及最近发生在洛杉矶地区的火灾时，Saha 表示他与一位曾经想要将 AI 摄像头部署到伊顿火灾发生地的客户进行了讨论。

“如果我们的系统当时在场，那么这场火灾所带来的损失本有可能得到缓解。早期监测对于控制火势和避免其发展成为严重野火至关重要。”

使用加速计算协助一线救援人员

Kastner 表示，Pano 的服务可提供人机回圈（human-in-the-loop）的方式，通过 AI 驱动的火灾检测和预警，使消防部门的反应速度超越拨打火警电话的速度，从而可以更快遏制火灾。

该公司的 Pano Station 如同安装在山顶上的信号塔一样，通过两台每分钟旋转 360 度的超高清摄像头捕捉方圆 10 英里的景象。图像以每分钟的频率传输到云端，由在 GPU 上运行的 AI 模型进行推理，检测是否存在烟雾。

Pano AI 的 Pano Station

在 Rancho Palos Verdes 部署

Pano 拥有日间烟雾探测模型、夜间近红外烟雾探测模型以及夜间地球同步卫星模型。有专人负责验证探测结果，并且可使用数字变焦和延时影像进行确认。

它基于本地 NVIDIA GPU 进行训练，并在云端 NVIDIA GPU 上运行推理。

将 AI 用于受控燃烧

加利福尼亚州林业和消防局（CAL FIRE）正在通过规定火烧或受控燃烧减少易燃的干燥植被。

Saha 表示：“受控燃烧十分必要。过去的 30 - 40 年里，我们在加利福尼亚做得并不好。”Green Grid 已部署拖车式 AI 摄像头传感器，用于监测火势并防止受控燃烧失控。”

消防部门可使用 Pano 的 AI 摄像头监测燃烧区域，确保烟雾不会出现在规定区域之外，以此保障安全。

该公司已在位于近期洛杉矶地区大火南部的 Rancho Palos Verdes 安装了摄像头。

Kastner 表示：“Palisades 大火周围植被过密且存在大量枯枝，所以我们希望未来能更重视受控燃烧。”

消防部门使用 AI 加快减灾速度

CAL FIRE 与 Alert California 以及加州大学圣地亚哥分校合作，共同建立了一个摄像头网络。该网络由多家投资者拥有的公用事业公司、CAL FIRE 及内政部其他机构共同管理。

他们在该网络中安装了一个能够探测新起火点的 AI 程序，每两分钟扫描一次并实时更新，为 Alert California 提供最新信息。

加利福尼亚州克洛维斯市 CAL FIRE 消防队长 David Acuna 表示，如果 AI 能让消防部门在火灾面积只有几英亩时就赶到现场控制火灾，控制难度将远低于火势扩大到 50 英亩以上。他还表示这在偏远地区尤为重要，因为这些地区的火灾可能要等到数小时后才会有人看到并报告。

Acuna说：“他们使用 AI 判断是否有新的疑似起火点。更重要的是，这个程序会向相关的应急指挥中心发送一封内容询问：‘您好，我们发现了一个新的疑似起火点，请您进行确认’的电子邮件，而且该邮件必须进行人工确认。”