ముందస్తు గుర్తింపుతో అడవి మంటల ఫలితాలు మారవచ్చని పశ్చిమం నమ్ముతోంది
అమెరికన్ పశ్చిమంలో తీవ్రమైన అడవి మంటల పరిస్థితులు పెరుగుతున్న కొద్దీ, యుటిలిటీలు మరియు రాష్ట్ర సంస్థలు పొగను త్వరగా గుర్తించి మంట పెద్దదిగా మారే ముందు స్పందన బృందాలను అప్రమత్తం చేయడానికి రూపొందించిన AI ఆధారిత కెమెరా నెట్వర్క్ల వినియోగాన్ని విస్తరిస్తున్నాయి. ఈ సాంకేతికతను అగ్నిమాపక సిబ్బందికి లేదా మానవ తీర్పుకు ప్రత్యామ్నాయంగా కాకుండా, విస్తారమైన దూరాలు మరియు పరిమిత దృశ్యమానం కీలక నిమిషాలను కోల్పోయే భూములలో బలం పెంచే సాధనంగా చూపుతున్నారు.
ఈ వ్యవస్థల కోసం వాదన ఒక సాధారణ ఆపరేషనల్ నిజంపై ఆధారపడి ఉంది: మంటను ఎంత త్వరగా గుర్తిస్తే, అది ఇంకా చిన్నదిగా ఉన్నప్పుడే నియంత్రించే అవకాశం అంత ఎక్కువ. అరిజోనాలో, దీనికి ఒక ఉదాహరణ ఇప్పటికే ప్రూఫ్ పాయింట్గా ఉంది. మార్చి నెలలో ఒక మధ్యాహ్నం, కృత్రిమ మేధస్సు Coconino National Forest నుండి వచ్చిన కెమెరా ఫీడ్లో పొగలా కనిపించిన దాన్ని గుర్తించింది. తర్వాత మానవ విశ్లేషకులు అది మేఘమో ధూళో కాదని నిర్ధారించి, రాష్ట్ర అటవీ సేవకు మరియు Arizona Public Serviceకు తెలియజేశారు. తర్వాత వచ్చిన మంట, Diamond Fire అని పేరు పెట్టబడింది, 7 ఎకరాలు దాటకముందే నియంత్రించబడింది.
ఆ క్రమం ఇప్పుడు అనేక రాష్ట్రాల్లో వ్యాపిస్తున్న నమూనాను చూపిస్తుంది: యంత్రాలు నిరంతరం స్కాన్ చేస్తాయి, మనుషులు ధృవీకరిస్తారు, అధికారులు స్పందిస్తారు. ఇది పనితీరులో క్రమానుగత మార్పు, కానీ రికార్డు స్థాయి వేడి మరియు తక్కువ మంచుపాతం ఉన్న ప్రాంతంలో దాని ప్రభావాలు పెద్దవిగా ఉండొచ్చు.
ఒంటరి కెమెరాల నుంచి ప్రాంతీయ నెట్వర్క్ల వరకు
Arizona Public Service దగ్గర దాదాపు 40 యాక్టివ్ AI పొగ-గుర్తింపు కెమెరాలు ఉన్నాయి, మరియు వేసవి ముగిసే సమయానికి వాటిని 71కి పెంచాలని యోచిస్తోంది. రాష్ట్ర అగ్నిమాపక సంస్థ తనవైన ఏడు కెమెరాలను అమలు చేసింది. Coloradoలో, Xcel Energy 126 కెమెరాలను ఏర్పాటు చేసింది, మరియు సంవత్సరం చివరికి తాను సేవలందించే ఎనిమిది రాష్ట్రాల్లో ఏడు రాష్ట్రాల్లో వ్యవస్థలు పనిచేయాలనే లక్ష్యం పెట్టుకుంది.
California ఇప్పటికే ALERTCalifornia ద్వారా మరింత పెద్ద స్థాయిలో ముందుకు వెళ్లింది, ఇది రాష్ట్రవ్యాప్తంగా విస్తరించి ఉన్న సుమారు 1,240 AI-సক্ষম కెమెరాల నెట్వర్క్. ఈ వ్యవస్థ కూడా ఇదే విధంగా పనిచేస్తుంది, సంభావ్య పొగను స్కాన్ చేయడానికి AIని ఉపయోగిస్తూ, తప్పుడు పాజిటివ్లను తగ్గించి, కాలక్రమేణా మోడల్ను మెరుగుపరచడానికి మనుషులను ప్రక్రియలో ఉంచుతుంది. ఆ మానవ సమీక్ష పొర అనవసరం కాదు. ఈ అమలులను ప్రయోగాత్మక ఆసక్తులుగా కాకుండా ఆపరేషనల్ సాధనాలుగా ఎందుకు పరిగణిస్తున్నారో కారణాల్లో ఇది ఒకటి.
తప్పుడు అలారాలు పర్యావరణ పర్యవేక్షణలో పెద్ద ప్రమాదం, ముఖ్యంగా కఠిన భూభాగాల్లో, అక్కడ వాతావరణం, ధూళి, పొగమంచు, మరియు కాంతి పరిస్థితులు స్వయంచాలక వ్యవస్థలను సులభంగా గందరగోళానికి గురి చేస్తాయి. హెచ్చరికలను ఎత్తి చూపే ముందు మానవ ధృవీకరణను తప్పనిసరి చేయడం ద్వారా, ఏజెన్సీలు సాంకేతికతపై విశ్వాసాన్ని నిలుపుకుంటూనే దాని వేగ ప్రయోజనాన్ని పొందాలని లక్ష్యంగా పెట్టుకున్నాయి. ALERTCalifornia స్థాపకుడు Neal Driscoll ప్రకారం, ఆ ఫీడ్బ్యాక్ లూప్ వ్యవస్థను మరింత ఖచ్చితంగా మారేందుకు శిక్షణ ఇస్తుంది.
