পশ্চিমের ইউটিলিটি ও অগ্নিনির্বাপক সংস্থাগুলি দ্রুত দাবানল মোকাবিলার জন্য AI ক্যামেরা নেটওয়ার্ক বিস্তৃত করছে

পশ্চিমাঞ্চল বাজি ধরছে যে আগাম শনাক্তকরণ দাবানলের ফল বদলাতে পারে

আমেরিকার পশ্চিমে তীব্র দাবানল পরিস্থিতি তৈরি হওয়ার সঙ্গে সঙ্গে, ইউটিলিটি ও রাজ্য সংস্থাগুলি AI-সক্ষম ক্যামেরা নেটওয়ার্কের ব্যবহার বাড়াচ্ছে, যা দ্রুত ধোঁয়া শনাক্ত করে আগুন নিয়ন্ত্রণের বাইরে যাওয়ার আগে প্রতিক্রিয়াকারীদের সতর্ক করার জন্য তৈরি। এই প্রযুক্তিকে অগ্নিনির্বাপকদের বা মানবিক বিচারের বিকল্প হিসেবে নয়, বরং এমন ভূদৃশ্যে একটি বলবর্ধক হিসেবে উপস্থাপন করা হচ্ছে যেখানে বিশাল দূরত্ব ও সীমিত দৃশ্যমানতা মূল্যবান মিনিট কেড়ে নিতে পারে।

এই ব্যবস্থাগুলোর পক্ষে যুক্তি একটি সহজ কার্যকরী সত্যের উপর দাঁড়িয়ে: আগুন যত তাড়াতাড়ি চিহ্নিত করা যায়, তত বেশি সম্ভাবনা থাকে সেটিকে ছোট অবস্থায়ই নিয়ন্ত্রণ করার। অ্যারিজোনায় এর একটি উদাহরণ ইতিমধ্যেই প্রমাণ হিসেবে কাজ করছে। মার্চের এক বিকেলে, কৃত্রিম বুদ্ধিমত্তা Coconino National Forest-এর একটি ক্যামেরা ফিডে ধোঁয়ার মতো কিছু শনাক্ত করে। পরে মানব বিশ্লেষকেরা নিশ্চিত করেন যে সংকেতটি মেঘ বা ধুলো নয় এবং তারা রাজ্য বন পরিষেবা ও Arizona Public Service-কে সতর্ক করেন। পরে যে আগুন লাগে, Diamond Fire নামে পরিচিত, তা 7 একরের বেশি ছড়ানোর আগেই নিয়ন্ত্রণে আনা হয়।

এই ধারাবাহিকতা এখন একাধিক রাজ্যে ছড়িয়ে পড়া মডেলটিকে তুলে ধরে: মেশিন নিরন্তর স্ক্যান করে, মানুষ যাচাই করে, এবং কর্তৃপক্ষ সাড়া দেয়। এটি কাজের ধরণে একটি ধাপে ধাপে পরিবর্তন, তবে এমন এক অঞ্চলে এর ফলাফল বড় হতে পারে যেখানে রেকর্ড গরম ও অল্প তুষারপাত দেখা যাচ্ছে।

আলাদা ক্যামেরা থেকে আঞ্চলিক নেটওয়ার্ক

Arizona Public Service-এর প্রায় 40টি সক্রিয় AI ধোঁয়া-শনাক্তকরণ ক্যামেরা আছে এবং গ্রীষ্মের শেষ নাগাদ সংখ্যাটি 71-এ উন্নীত করার পরিকল্পনা রয়েছে। রাজ্যের অগ্নি সংস্থা তাদের নিজস্ব সাতটি ক্যামেরা বসিয়েছে। Colorado-তে, Xcel Energy 126টি ক্যামেরা স্থাপন করেছে এবং বছরের শেষে যে আটটি রাজ্যে সে সেবা দেয় তার সাতটিতে সিস্টেম চালু করার লক্ষ্য নিয়েছে।

California ইতিমধ্যেই ALERTCalifornia-এর মাধ্যমে অনেক বড় পরিসরে এগিয়েছে, যা রাজ্যজুড়ে ছড়িয়ে থাকা প্রায় 1,240টি AI-সক্ষম ক্যামেরার নেটওয়ার্ক। এই সিস্টেমও অনুরূপভাবে কাজ করে, সম্ভাব্য ধোঁয়া স্ক্যান করতে AI ব্যবহার করে এবং ভুল ইতিবাচক কমাতে ও সময়ের সঙ্গে মডেল উন্নত করতে মানুষকে প্রক্রিয়ায় রাখে। সেই মানব পর্যালোচনা স্তরটি তুচ্ছ নয়। এই মোতায়েনগুলোকে পরীক্ষামূলক কৌতূহল নয়, বরং কার্যকরী সরঞ্জাম হিসেবে গণ্য করার এটিও একটি কারণ।

ভুল অ্যালার্ম পরিবেশ পর্যবেক্ষণে একটি বড় ঝুঁকি, বিশেষ করে দুর্গম ভূখণ্ডে, যেখানে আবহাওয়া, ধুলো, কুয়াশা ও আলোর পরিস্থিতি সহজেই স্বয়ংক্রিয় সিস্টেমকে বিভ্রান্ত করতে পারে। সতর্কতা বাড়ানোর আগে মানবিক নিশ্চয়তা বাধ্যতামূলক করে, সংস্থাগুলি প্রযুক্তির ওপর আস্থা বজায় রাখার পাশাপাশি এর গতি-সুবিধাও ধরে রাখতে চায়। ALERTCalifornia-এর প্রতিষ্ঠাতা Neal Driscoll-এর মতে, এই ফিডব্যাক লুপ সিস্টেমকে আরও নির্ভুল হতে প্রশিক্ষণ দেয়।

ইউটিলিটিগুলি এত গভীরভাবে জড়িত কেন

দাবানল শনাক্তকরণে বিদ্যুৎ ইউটিলিটিগুলির ক্রমবর্ধমান ভূমিকা তাদের মুখোমুখি ঝুঁকিগুলোকে প্রতিফলিত করে। ইউটিলিটিগুলি অগ্নিপ্রবণ অঞ্চলে বিস্তৃত অবকাঠামো পরিচালনা করে, এবং আবহাওয়া, মানব কার্যকলাপ বা যন্ত্রপাতি-সম্পর্কিত কারণ যাই হোক না কেন, যেকোনো অগ্নিসংযোগ যত দ্রুত সম্ভব শনাক্ত করার শক্তিশালী প্রণোদনা তাদের রয়েছে। ক্যামেরা নেটওয়ার্ক দূরবর্তী অঞ্চলে দৃশ্যমানতা বাড়ানোর একটি উপায় দেয়, যেখানে পর্যবেক্ষক কম থাকতে পারে এবং ঐতিহ্যগত রিপোর্টিং বিলম্বিত হতে পারে।

এটি বিশেষভাবে গুরুত্বপূর্ণ যখন জলবায়ু ও অগ্নি পরিস্থিতি আরও তীব্র হচ্ছে। চরম তাপ ও দুর্বল তুষারপাত জ্বালানিকে আগেভাগে শুকিয়ে তীব্রভাবে জ্বলার সম্ভাবনা বাড়ায়। এমন পরিস্থিতিতে, নিয়ন্ত্রণযোগ্য একটি ঘটনার সঙ্গে ক্ষতিকর দাবানলের ব্যবধান দ্রুত কমে যেতে পারে।

Arizona Department of Forestry and Fire Management-এর John Truett উৎস প্রতিবেদনে কার্যকরী যুক্তিটি স্পষ্টভাবে সংক্ষেপে বলেছেন: আগাম শনাক্তকরণ বিমান ও কর্মী দ্রুত পাঠানো এবং আগুন যত ছোট রাখা যায় তত ছোট রাখা সম্ভব করে। এটাই ক্যামেরা সিস্টেমগুলোর মূল প্রতিশ্রুতি। এগুলি আগুন নেভায় না, কিন্তু অগ্নিসংযোগ ও পদক্ষেপের মধ্যে সময় কমাতে পারে।

AI প্রদর্শনী নয়, অবকাঠামো

এই AI প্রয়োগটি অনেক বেশি কল্পনাভিত্তিক সরকারি ব্যবহারের তুলনায় দ্রুত জনপ্রিয় হওয়ার একটি কারণ আছে। এর মূল্যপ্রস্তাব পরিমাপযোগ্য। কোনো সিস্টেম হয় ধোঁয়া আগেভাগে শনাক্ত করে প্রতিক্রিয়ার সময় বদলাতে পারে, নয়তো পারে না। আউটপুট নির্দিষ্ট: সতর্কতা, মোতায়েন, পুড়ে যাওয়া একর এবং নিয়ন্ত্রণের ফলাফল।

এই বাস্তবতাই ব্যাখ্যা করে কেন এই নেটওয়ার্কগুলোকে সম্পূর্ণ স্বয়ংক্রিয় প্রতিস্থাপন হিসেবে বাজারজাত না করে বিদ্যমান দাবানল পরিচালনার সঙ্গে যুক্ত করা হচ্ছে। বর্তমান মডেল সতর্ক ও স্তরযুক্ত। ক্যামেরা দৃশ্যমানতা দেয়। AI অস্বাভাবিকতা চিহ্নিত করে। মানুষ ছবি পর্যালোচনা করে। সংস্থা কীভাবে সাড়া দেবে তা নির্ধারণ করে। প্রতিটি ধাপ অনিশ্চয়তা কমায়, অনিশ্চয়তা সম্পূর্ণ দূর করা যায় এমন ভান না করেই।

সেই অর্থে, দাবানল ক্যামেরা বিস্তৃতি AI-এর একটি পরিণত ব্যবহার। এটি সমস্যার সব অংশ সমাধান করার চেষ্টা করছে না। এটি একটি সংকীর্ণ কিন্তু উচ্চ-প্রভাবের বাধাকে লক্ষ্য করছে: আগুনকে এত দ্রুত লক্ষ্য করা যাতে প্রতিক্রিয়া ব্যবস্থা কাজে লাগে। বিস্তীর্ণ বনাঞ্চল ও পাহাড়ি ভূখণ্ডে, সেই বাধাটি বাস্তব।

ঋতুভিত্তিক প্রযুক্তি, দীর্ঘমেয়াদি প্রভাবসহ

তাৎক্ষণিক বিস্তারের চালিকা শক্তি 2026 সালের অগ্নি মৌসুম, তবে আরও গভীর তাৎপর্য হলো AI পর্যবেক্ষণ পশ্চিমাঞ্চলের স্থায়ী অভিযোজন কৌশলের অংশ হয়ে উঠছে। ক্যামেরা নেটওয়ার্ক এখন বিমান, উপগ্রহ, নজরদারি ব্যবস্থা ও মাঠপর্যায়ের প্রতিবেদনের পাশে বৃহত্তর শনাক্তকরণ স্থাপত্যের অংশ হিসেবে রয়েছে।

যদি এই সিস্টেমগুলো ভালোভাবে কাজ করতে থাকে, তাদের ভূমিকা বাড়ার সম্ভাবনা রয়েছে। ইউটিলিটিগুলি এগুলোকে ঝুঁকি হ্রাস হিসেবে ব্যাখ্যা করতে পারে। অগ্নি সংস্থাগুলি এগুলোকে প্রতিক্রিয়া ত্বরান্বিতকারী হিসেবে ব্যাখ্যা করতে পারে। রাজ্যগুলো এগুলোকে ক্রমবর্ধমান বিধ্বংসী অগ্নি আচরণের যুগে জননিরাপত্তা অবকাঠামো হিসেবে ব্যাখ্যা করতে পারে। মোতায়েনের ধরনই ইতিমধ্যেই দেখাচ্ছে যে প্রাথমিক প্রকল্পগুলো পাইলট থেকে বিস্তৃত কার্যকরী নেটওয়ার্কে রূপ নিচ্ছে।

অ্যারিজোনার Diamond Fire উদাহরণটি আকারে ছোট, কিন্তু এ কারণেই এটি গুরুত্বপূর্ণ। আদর্শ দাবানল-প্রযুক্তির গল্প কোনো বিপর্যয়ের পর নাটকীয় উদ্ধার নয়। এটি বিপর্যয় গড়ে ওঠার আগেই একটি নীরব হস্তক্ষেপ। AI ক্যামেরা নেটওয়ার্ক এই ধারণার ওপর স্থাপন করা হচ্ছে যে আরও এমন নীরব হস্তক্ষেপ সম্ভব। আরও উষ্ণ, শুষ্ক পশ্চিমে, এটি হতে পারে AI বাস্তবে রাখতে সক্ষম সবচেয়ে কার্যকর প্রতিশ্রুতিগুলোর একটি।

এই নিবন্ধটি Fast Company-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধটি পড়ুন.