ການນຳໃຊ້ປັນຍາປະດິດໃນການຊອກຄົ້ນຫາ ແລະ ການເຕືອນໄພລ່ວງໜ້າຂອງໄຟໄໝ້ປ່າ

ການນຳໃຊ້ປັນຍາປະດິດ (AI) ໃນການຊອກຄົ້ນຫາ ແລະ ການເຕືອນໄພລ່ວງໜ້າຂອງໄຟໄໝ້ປ່າກຳລັງຖືກພັດທະນາໃນທົ່ວໂລກ ເນື່ອງຈາກການປ່ຽນແປງຂອງດິນຟ້າອາກາດເພີ່ມຄວາມສ່ຽງຕໍ່ການເກີດໄຟໄໝ້ປ່າໃນບັນດາປະເທດຕ່າງໆທົ່ວ ໂລກ .

ເມື່ອບໍ່ດົນມານີ້, ກົມດັບເພີງລັດຄາລິຟໍເນຍ (ສະຫະລັດ) ໄດ້ໃຊ້ AI ເພື່ອກວດຫາ ແລະຄວບຄຸມໄຟໄໝ້ປ່າແຕ່ຕົ້ນໆ. ໂຄງການດັ່ງກ່າວຖືກເອີ້ນວ່າ ALERTCalifornia. ຈຸດປະສົງຂອງໂຄງການແມ່ນເພື່ອກວດພົບໄຟໄຫມ້ກ່ອນຫນ້ານີ້ແລະຫຼຸດຜ່ອນການເຕືອນໄພທີ່ບໍ່ຖືກຕ້ອງຍ້ອນເຕັກໂນໂລຢີ AI. ພັດທະນາໂດຍວິສະວະກອນຢູ່ມະຫາວິທະຍາໄລຄາລິຟໍເນຍ San Diego, ເວທີນີ້ໃຊ້ປະໂຫຍດຈາກ 1,036 ກ້ອງຖ່າຍຮູບທີ່ມີຢູ່ແລ້ວ, ຕິດຕັ້ງໂດຍອົງການຂອງລັດຖະບານແລະບໍລິສັດໄຟຟ້າໃນທົ່ວປະເທດ.

[caption id="attachment_428056" align="aligncenter" width="768"] ການປ່ຽນແປງດິນຟ້າອາກາດເຮັດໃຫ້ໄຟໄຫມ້ປ່າເພີ່ມຂຶ້ນໃນທົ່ວໂລກ. ຮູບພາບ: iStock[/caption]

ທ່ານ Suzann Leininger, ຜູ້ຊ່ຽວຊານດ້ານປັນຍາປະດິດຂອງພະແນກດັບເພີງຄາລິຟໍເນຍກ່າວວ່າ "ວຽກຂອງພວກເຮົາແມ່ນເພື່ອຮັກສາໄຟຢູ່ໃນພື້ນທີ່ 1.5-acre, ດັ່ງນັ້ນດ້ວຍການຊ່ວຍເຫຼືອຂອງກ້ອງຖ່າຍຮູບ AI, ພວກເຮົາສາມາດເຂົ້າໄປໃນໄຟໄຫມ້ແລະຄວບຄຸມມັນໄດ້ໄວຂຶ້ນ,"

ອີງຕາມສາດສະດາຈານ Neal Driscol, ສາຂາວິຊາທໍລະນີສາດແລະຟີຊິກຂອງມະຫາວິທະຍາໄລຄາລິຟໍເນຍ San Diego, 5-6 ປີທີ່ຜ່ານມາ, ເພື່ອກວດເບິ່ງໄຟໄຫມ້, ປະຊາຊົນຈໍາເປັນຕ້ອງໄດ້ສົ່ງເຮືອບິນຫຼືກອງທັບທັງຫມົດ. ແຕ່ດຽວນີ້, ພຽງແຕ່ເປີດກ້ອງຖ່າຍຮູບ, ພວກເຂົາສາມາດກວດພົບໄຟໄດ້. ພວກເຂົາສາມາດສະແດງໃຫ້ເຫັນວ່າຄວັນໄຟຢູ່ໄກ, ສະພາບແວດລ້ອມຈະມືດຫຼືບໍ່ ... ສິ່ງເຫຼົ່ານີ້ຊ່ວຍໃຫ້ພວກເຮົາປະເມີນລະດັບຂອງໄຟແລະດັບໄຟຢ່າງໄວວາໂດຍບໍ່ຈໍາເປັນຕ້ອງໂທຫາ 911.

ເວັບໄຊທ໌ເຕັກໂນໂລຢີ Alert California ໄດ້ເປີດເຜີຍວ່າ AI ນີ້ເຮັດວຽກແນວໃດ, ໂດຍກ່າວວ່າມັນໃຊ້ການສະແກນ LiDAR ທີ່ເອົາມາຈາກຍົນແລະ drones ເພື່ອສ້າງ "ຂໍ້ມູນສາມມິຕິທີ່ຖືກຕ້ອງ, ດຽວກັນກ່ຽວກັບພື້ນຜິວທີ່ສະແກນ."

ການສົມທົບອັນນີ້ກັບຄຸນລັກສະນະທາງກາຍະພາບຂອງຕົ້ນໄມ້ສາມາດຊ່ວຍໃຫ້ທ່ານຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບຊີວະມວນ ແລະເນື້ອໃນຄາບອນຂອງປ່າຂອງຄາລິຟໍເນຍ. ພະແນກບໍລິການໄຟໄຫມ້ຂອງລັດຄາລິຟໍເນຍກ່າວວ່າຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກໄດ້ນໍາໃຊ້ຂໍ້ມູນກ້ອງຖ່າຍຮູບ petabytes ເພື່ອແຍກຄວາມແຕກຕ່າງລະຫວ່າງຄວັນໄຟແລະອະນຸພາກທີ່ເກີດຈາກອາກາດອື່ນໆ.

ໃນກອງປະຊຸມປະຈຳປີຂອງເວທີປາໄສ ເສດຖະກິດ ໂລກ (WEF) ໃນເດືອນມັງກອນ 2023, ບົດລາຍງານທີ່ມີຫົວຂໍ້ວ່າ The Next Frontier in Fighting Wildfires: FireAId Pilot and Scaling ໄດ້ຖືກເປີດເຜີຍ. ອີງຕາມບົດລາຍງານ, ການລິເລີ່ມ FireAId, ເຊິ່ງໃຊ້ປັນຍາປະດິດເພື່ອຈັດການໄຟໄຫມ້ປ່າຢ່າງມີປະສິດທິພາບ, ໄດ້ຖືກທົດສອບຢ່າງສໍາເລັດຜົນນັບຕັ້ງແຕ່ WEF ໄດ້ເປີດຕົວໃນເດືອນມັງກອນ 2022.

ໂຄງ​ການ​ດັ່ງ​ກ່າວ​ແມ່ນ​ໄດ້​ຮັບ​ການ​ປະ​ຕິ​ບັດ​ຢູ່​ໃນ​ພາກ​ພື້ນ Aegean ໃຕ້​ຂອງ Türkiye ແລະ​ພາກ​ຕາ​ເວັນ​ຕົກ Mediterranean​. ພື້ນທີ່ດັ່ງກ່າວໄດ້ຖືກລາຍງານວ່າຖືກເລືອກເພາະວ່າ 1/4 ຂອງໄຟໄຫມ້ປ່າຂອງປະເທດເກີດຂຶ້ນຢູ່ທີ່ນັ້ນໃນລະຫວ່າງປີ 2010 ຫາ 2021, ແລະກວມເອົາ 75% ຂອງພື້ນທີ່ທັງຫມົດທີ່ຖືກໄຟໄຫມ້ໃນໄລຍະເວລານັ້ນ. ໃນລະຫວ່າງເດືອນກໍລະກົດຫາເດືອນສິງຫາ 2021, Türkiye ໄດ້ປະສົບກັບໄຟປ່າທີ່ຮ້າຍແຮງທີ່ສຸດ, ເຊິ່ງໄດ້ເຜົາໄຫມ້ເນື້ອທີ່ທັງໝົດ 139,503 ເຮັກຕາ.

ຢູ່ທີ່ນີ້, ນັກວິທະຍາສາດ ໄດ້ໃຊ້ຂໍ້ມູນສະຖິດ ແລະ ອຸຕຸນິຍົມວິທະຍາເພື່ອວາງແຜນພື້ນທີ່ບ່ອນທີ່ໄຟສາມາດເລີ່ມໄດ້, ຄາດຄະເນຄວາມເຂັ້ມຂຸ້ນ, ແລະວາງແຜນການຂົນສົ່ງທີ່ຈໍາເປັນເພື່ອຕອບສະຫນອງຢ່າງມີປະສິດທິພາບ.

ອີງຕາມ Weforum, ຂໍຂອບໃຈກັບຄໍາຮ້ອງສະຫມັກທີ່ປະສົບຜົນສໍາເລັດໃນTürkiye, ອັດຕາຄວາມຖືກຕ້ອງໃນການຄາດຄະເນໄຟໄຫມ້ປ່າ 24 ຊົ່ວໂມງລ່ວງຫນ້າແມ່ນສູງເຖິງ 80%. ຂໍ້ມູນດັ່ງກ່າວຊ່ວຍໃຫ້ເຈົ້າໜ້າທີ່ກະກຽມ ແລະ ຕອບສະໜອງຢ່າງຕັ້ງໜ້າ. ຜົນສຳເລັດຂອງໂຄງການທົດລອງສະແດງໃຫ້ເຫັນວ່າ AI ມີປະສິດຕິຜົນແນວໃດໃນການສະໜັບສະໜູນອົງການຄຸ້ມຄອງ ແລະ ກູ້ໄພປະຊາຊົນ, ປົກປ້ອງຊັບສິນ, ປົກປັກຮັກສາສິ່ງແວດລ້ອມ ແລະ ຫຼຸດຜ່ອນຄວາມເສຍຫາຍຈາກໄຟໄໝ້ປ່າຢ່າງຫຼວງຫຼາຍ.

[caption id="attachment_428070" align="aligncenter" width="768"] ໜ່ວຍຕິດຕາມໄຟໄໝ້ປ່າຢູ່ມະຫາວິທະຍາໄລຄາລິຟໍເນຍ (ສະຫະລັດ) ເຝົ້າລະວັງໄຟໄໝ້ໃນເດືອນກໍລະກົດ ປີ 2023 ທີ່ເມືອງ Topanga Canyon, Los Angeles. ພາບ: New York Times[/caption]

ການປ່ຽນແປງດິນຟ້າອາກາດໄດ້ເພີ່ມຄວາມຮຸນແຮງ ແລະ ຄວາມຖີ່ຂອງໄຟປ່າໃນຊຸມປີມໍ່ໆມານີ້, ເຊິ່ງກໍ່ໃຫ້ເກີດການສູນເສຍຊີວະນາໆພັນທີ່ບໍ່ເຄີຍມີມາກ່ອນ, ການປ່ອຍອາຍພິດຄາບອນໄດອອກໄຊ ແລະ ການສູນເສຍທາງດ້ານການເງິນໃນທົ່ວໂລກ.

ສະຖິຕິຂອງ WEF ສະແດງໃຫ້ເຫັນວ່າ: ຄ່າໃຊ້ຈ່າຍສະເລ່ຍຕໍ່ປີຂອງໄຟໄຫມ້ປ່າໃນທົ່ວໂລກແມ່ນປະມານ 50 ຕື້ USD, ໃນຂະນະທີ່ໃນປີ 2021 ໄຟປ່າທົ່ວໂລກໄດ້ປ່ອຍ CO2 ປະມານ 6,450 ເມກາໂຕນອອກສູ່ບັນຍາກາດ.

​ໃນ​ຂະນະ​ນັ້ນ, ອົງການ​ອຸຕຸນິຍົມ​ວິທະຍາ​ໂລກ​ຄາດ​ຄະ​ເນ​ວ່າ, ອັດຕາ​ໄຟ​ໄໝ້​ປ່າ​ທີ່​ຮ້າຍ​ແຮງ​ໃນ​ທົ່ວ​ໂລກ​ຈະ​ເພີ່ມ​ຂຶ້ນ 30% ​ໃນ​ປີ 2050 ​ແລະ ​ເພີ່ມ​ຂຶ້ນ​ເປັນ​ສອງ​ເທົ່າ​ໃນ​ທ້າຍ​ສະຕະວັດ​ນີ້.

ລະບົບກວດຈັບໄຟປ່າທີ່ຂັບເຄື່ອນດ້ວຍ AI ໃຊ້ເຊັນເຊີຕ່າງໆເຊັ່ນ: ກ້ອງຖ່າຍຮູບ, ດາວທຽມ, ແລະ drones ເພື່ອກວດຫາໄຟໄຫມ້ໃນເວລາຈິງ, ຊ່ວຍໃຫ້ການຕອບສະຫນອງໄວແລະການປະຕິບັດທັນເວລາ. ລະບົບເຫຼົ່ານີ້ໄດ້ຮັບການພິສູດແລ້ວວ່າມີປະສິດທິພາບ, ປະຫຍັດຄ່າໃຊ້ຈ່າຍ, ແລະຖືກຕ້ອງໃນການກວດສອບໄຟ, ຫຼຸດຜ່ອນຜົນກະທົບຂອງໄຟໄຫມ້ປ່າຕໍ່ສິ່ງແວດລ້ອມແລະຊຸມຊົນທ້ອງຖິ່ນ.

ມິນໄທ