W 2023 roku świat doświadczył poważnych pożarów lasów, które wpłynęły na wiele społeczności na całym świecie. Fakt, że pożary te stają się coraz większe i bardziej niszczycielskie, podkreśla potrzebę rozwoju nowych technologii w celu przeciwdziałania tym wyzwaniom. Google Research angażuje się w badania nad adaptacją klimatyczną, w tym stosowanie uczenia maszynowego (ML) do zapobiegania pożarom i informowania ludzi podczas tych zdarzeń.
Współpraca z US Forest Service
Google współpracuje z US Forest Service (USFS) w celu rozwoju narzędzi do modelowania pożarów i algorytmów prognozowania rozprzestrzeniania się ognia. Wspólnie rozwijają model zachowania ognia w dzikiej przyrodzie, który dzięki ML znacząco skraca czas obliczeń, umożliwiając jego zastosowanie niemal w czasie rzeczywistym.
Rozwój i Ograniczenia Modeli Pożarowych
Dotychczasowe modele, takie jak model Rothermela z lat 70., choć szeroko stosowane, mają ograniczenia ze względu na uproszczenia fizycznych procesów. Ulepszony model USFS ma na celu poprawę dokładności przewidywania zachowania ognia, choć jego wysoki koszt obliczeniowy stanowi wyzwanie.
Przyspieszenie ML w Modelowaniu Pożarów
Dzięki partnerstwu z USFS, Google zastosowało ML do zmniejszenia czasu obliczeń dla skomplikowanych modeli pożarowych. Użycie głębokiego uczenia pozwoliło na znaczne obniżenie kosztów obliczeniowych i szybszą ocenę nowych scenariuszy. Model głębokiego uczenia okazał się skuteczny w precyzyjnym odwzorowaniu skomplikowanych systemów, takich jak rozprzestrzenianie się pożarów.
Postępy i Przyszłe Plany
Od pierwszego raportu w grudniu 2022 roku projekt zrobił duże postępy. Rozszerzono zbiór danych treningowych i opracowano prototypowy model ML, który USFS integruje z aplikacją treningową. Nowy model będzie również wykorzystywać wysokorozdzielcze obrazy satelitarne i informacje geograficzne dla dokładniejszego prognozowania ognia.
Prace nad nowym modelem rozprzestrzeniania się ognia i inne wyzwania w zarządzaniu pożarami wymagają jeszcze dokładniejszych modeli, które uwzględniają interakcje 3D i dynamikę płynów. Te szczegółowe obliczenia zazwyczaj wymagają użycia komputerów o wysokiej wydajności lub superkomputerów.
Więcej artykułów na temat zastosowania AI w badaniach naukowych znajdziesz tutaj.
