یک ابزار جدید هوش مصنوعی مبتنی بر فیزیک با هدف پیش‌بینی گسترش آتش‌سوزی در زمان واقعی و کمک به واکنش در برابر آتش‌سوزی جنگلی است.

ویرایش شده توسط گابی کلارک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

یک سیستم هوش مصنوعی جدید که گروه تحقیقاتی آتش NYU آن را به عنوان دوقلوی دیجیتالی یک آتش سوزی فعال توصیف می کند، در آزمایش اولیه، توانایی پیش بینی چگونگی گسترش آتش را در زمان واقعی نشان داده است.

به‌طور مداوم پیش‌بینی خود را به‌روزرسانی می‌کند، زیرا داده‌های جدید از ماهواره‌ها، خوراک آب‌وهوا، زمین، سوخت، رابط زمین وحشی-شهری، سازه‌ها، زیرساخت‌های حیاتی، نقشه‌های پوشش گیاهی، هواپیماهای بدون سرنشین، حسگرهای زمینی و خدمه در میدان به‌روزرسانی می‌شوند.

تیم تحقیقاتی اصلی، متشکل از پروفسور پرابود پانیندره، دانشمند پژوهشی، آناندو نایر و پروفسور شبکه جهانی سونیل کومار، می‌گوید این سیستم برای رسیدگی به یکی از فوری‌ترین چالش‌ها در واکنش به آتش‌سوزی طراحی شده است: ارائه پیش‌بینی‌های به موقع و قابل توضیح به فرماندهان حادثه با تغییر شرایط آتش‌سوزی.

این پلت فرم یک نقشه ایالات متحده را نمایش می دهد که در آن کاربر یک مکان آتش سوزی را انتخاب می کند، اندازه منطقه را برای پیش بینی تعیین می کند و یک افق زمانی حداکثر 12 ساعت را انتخاب می کند که در فواصل زمانی تعیین شده به روز می شود. سپس نقشه محیط پیش بینی شده گسترش آتش را تحت این معیارها نشان می دهد.

یک رابط زبان ساده مجهز به هوش مصنوعی، شبیه به ربات چت، به کاربران اجازه می‌دهد سؤالات مستقیمی بپرسند، مانند اینکه اگر باد به سمت شمال حرکت کند، چه اتفاقی برای جناح شرقی می‌افتد، آتش‌شکن را کجا قطع کنند یا کدام مناطق را ابتدا تخلیه کنند. این سازمان راهبردهای مهار، طرح‌های تخلیه و سناریوهای آموزشی را با استناد به روش‌های آتش نشانی و تحقیقات منتشر شده توصیه می‌کند تا فرماندهان بتوانند استدلال پشت توصیه‌های آن را بررسی کنند.

این سیستم با جفت کردن یک مدل گسترش آتش با اطلاعات فیزیکی با یک لایه هوش مصنوعی کار می کند که به طور مداوم معادلات حاکم بر انتشار آتش، احتراق، انتقال حرارت، نوع سوخت و خواص، باد، شیب، آب و هوا و آستانه های انتقال آتش شناخته شده را حل می کند، با استفاده از شرایط زنده به جای تکیه بر داده های تاریخی آتش سوزی، مانند بسیاری از ابزارها.

کومار، که مانند پانیندره، در NYU ابوظبی و دانشکده مهندسی NYU Tandon قرار ملاقات دارد، گفت: "سیستم ما از داده های آموزشی ساخته نشده است. این سیستم مبتنی بر فیزیک است." ما معادلات اساسی نحوه سوزاندن و گسترش آتش را با استفاده از هوش مصنوعی حل می کنیم، به جای اینکه آنها را فقط به روش معمولی حل کنیم.

شبیه‌سازهای مبتنی بر فیزیک می‌توانند دقیق باشند، اما از نظر محاسباتی فشرده هستند و اغلب ساعت‌ها طول می‌کشد تا با تغییر شرایط، به‌روزرسانی شوند. ابزارهای یادگیری ماشینی می‌توانند سریع‌تر باشند، اما فقط به اندازه داده‌های آموزشی آن‌ها قوی هستند و ممکن است تحت شرایطی که قبلا ندیده‌اند با مشکل مواجه شوند.

دوقلو دیجیتال برای ترکیب نقاط قوت هر دو رویکرد طراحی شده است و به طور مداوم با مشاهدات جدید همگام می شود تا پیش بینی های به روز شده را در زمان واقعی ایجاد کند. محققان یک پتنت موقت ایالات متحده را از طریق NYU ثبت کرده اند.

این تیم این سیستم را روی سه آتش‌سوزی فعال آزمایش کردند: آتش‌سوزی Grasshopper در اورگان، Widemouth 2 Fire یوتا و Sacaton Fire در نیومکزیکو. در یک آزمایش مربوط به Grasshopper Fire، مناطق آتش‌سوزی پیش‌بینی‌شده و مشاهده‌شده با استفاده از یک معیار استاندارد همپوشانی فضایی به 94.6% تطابق دست یافتند. آزمایش‌های دیگر نتایج متفاوتی را نشان دادند، با کاهش توافق به 72.4 درصد در یکی از پیش‌بینی‌های Grasshopper Fire به دنبال فاصله طولانی‌تر بین مشاهدات ماهواره‌ای.

به گفته آنها، چیزی که بیش از همه محققان را تحت تأثیر قرار داد، این نبود که سیستم چقدر منطقه را به درستی پیش بینی کرده است، بلکه شکل پیش بینی های آن بود. این مدل به‌جای تقریب آتش به‌عنوان یک دایره ناهموار، لبه‌های نامنظم و ناهموار را که توسط آتش‌سوزی واقعی در سراسر چشم‌انداز ردیابی شده بود، بازتولید کرد.

پانیندره گفت که این تمایز از نظر عملیاتی اهمیت دارد، زیرا مرز دقیق آتش سوزی تعیین می کند که فرماندهان حادثه خدمه را کجا مستقر می کنند و کدام محله را تخلیه می کنند.

پانیندره گفت: «یک تفاوت کوچک روی نقشه ممکن است خیلی مهم به نظر نرسد، اما ممکن است در زندگی واقعی بسیار مهم باشد، زیرا ممکن است یک ساختار بحرانی در آنجا وجود داشته باشد.»

این سیستم یک نمونه اولیه تحقیقاتی باقی می ماند و هنوز به عنوان یک ابزار عملیاتی در آتش سوزی های فعال استفاده نشده است. پانیندره گفت که این تیم می‌خواهد قبل از انتشار عمومی، آزمایش‌های بیشتری را با آتش‌نشانی‌ها و آژانس‌های فدرال انجام دهد.

پانیندره گفت: «هر کاری که انجام می‌دهیم، سعی می‌کنیم مطمئن شویم که تأثیری در نجات جان انسان‌ها وجود دارد. این موضوع تمرکز تحقیقات من و سونیل در 20 سال گذشته بوده است.

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →