पश्चिमेकडील प्रदेशाचा विश्वास आहे की लवकर ओळख केल्याने वनाग्नीचे परिणाम बदलू शकतात
अमेरिकेच्या पश्चिम भागात तीव्र वनाग्नीच्या परिस्थिती निर्माण होत असताना, युटिलिटीज आणि राज्य संस्था AI-सक्षम कॅमेरा नेटवर्कचा वापर वाढवत आहेत, ज्यांचा उद्देश धूर लवकर ओळखणे आणि आग नियंत्रणाबाहेर जाण्यापूर्वी प्रतिसाद देणाऱ्यांना सतर्क करणे असा आहे. हे तंत्रज्ञान अग्निशामक किंवा मानवी निर्णयाचा पर्याय म्हणून नव्हे, तर अशा भूभागांमध्ये एक बलवर्धक साधन म्हणून मांडले जात आहे जिथे प्रचंड अंतर आणि मर्यादित दृश्यता महत्त्वाची मिनिटे खर्ची घालू शकतात.
या प्रणालींसाठीचा युक्तिवाद एका साध्या कार्यकारी सत्यावर आधारलेला आहे: आग जितक्या लवकर ओळखली जाईल, तितकी ती लहान असताना नियंत्रित करण्याची शक्यता जास्त. अरिझोनामध्ये याचे एक उदाहरण आधीच पुरावा म्हणून समोर आले आहे. मार्चमधील एका दुपारी, कृत्रिम बुद्धिमत्तेने Coconino National Forest मधील कॅमेरा फीडवर धुरासारखे काहीतरी आढळले. त्यानंतर मानवी विश्लेषकांनी तो संकेत ढग किंवा धूळ नव्हता याची पुष्टी केली आणि राज्य वनसेवा तसेच Arizona Public Service यांना कळवले. त्यानंतर लागलेली आग, जी Diamond Fire म्हणून ओळखली जाते, 7 एकरांच्या पुढे जाण्यापूर्वीच नियंत्रित करण्यात आली.
ही मालिका आता अनेक राज्यांमध्ये पसरत असलेल्या नमुन्याचे चित्र दाखवते: यंत्रे सतत स्कॅन करतात, माणसे पडताळणी करतात, आणि अधिकारी प्रतिसाद देतात. ही कार्यप्रवाहातील टप्प्याटप्प्याने होणारी बदल आहे, पण एका अशा प्रदेशात त्याचे परिणाम मोठे असू शकतात जिथे विक्रमी उष्णता आणि कमी हिमसाठा आहे.
एकाकी कॅमेर्यांपासून प्रादेशिक नेटवर्कपर्यंत
Arizona Public Service कडे जवळपास 40 सक्रिय AI धूर-ओळख कॅमेरे आहेत आणि उन्हाळ्याच्या अखेरीस ही संख्या 71 पर्यंत वाढवण्याची योजना आहे. राज्याच्या अग्निसेवेने स्वतःचे सात कॅमेरे तैनात केले आहेत. Colorado मध्ये, Xcel Energy ने 126 कॅमेरे बसवले आहेत आणि वर्षाअखेरीस ती सेवा देते त्या आठ राज्यांपैकी सात राज्यांमध्ये प्रणाली कार्यान्वित करण्याचे उद्दिष्ट ठेवले आहे.
California आधीच ALERTCalifornia च्या माध्यमातून खूप मोठ्या प्रमाणावर पुढे गेली आहे, हे राज्यभर विखुरलेले सुमारे 1,240 AI-सक्षम कॅमेर्यांचे नेटवर्क आहे. ही प्रणालीही अशाच प्रकारे काम करते, संभाव्य धूर शोधण्यासाठी AI वापरताना खोटे सकारात्मक परिणाम कमी करण्यासाठी आणि कालांतराने मॉडेल सुधारण्यासाठी माणसांना प्रक्रियेत ठेवते. मानवी पुनरावलोकनाचा थर गौण नाही. या तैनातींना प्रायोगिक कुतूहलांऐवजी कार्यात्मक साधने मानण्यामागील ही एक कारणे आहेत.
खोटे अलार्म पर्यावरणीय निरीक्षणात मोठा धोका आहेत, विशेषतः खडतर भूभागात, जिथे हवामान, धूळ, धुके आणि प्रकाशस्थिती स्वयंचलित प्रणालींना सहज गोंधळात टाकू शकतात. सूचना वाढवण्यापूर्वी मानवी पुष्टी बंधनकारक करून, संस्था तंत्रज्ञानावरचा विश्वास टिकवून ठेवत त्याचा वेगाचा फायदा मिळवू इच्छितात. ALERTCalifornia चे संस्थापक Neal Driscoll यांच्या मते, हा अभिप्राय फेरा प्रणालीला अधिक अचूक बनण्यासाठी प्रशिक्षितही करतो.
