在萨诺玛县（加利福尼亚州）担任社区警报和预警经理的八年里，萨姆·沃利斯多次眼睁睁地看着野火肆虐他所保护的城市和小镇。火灾常常在几乎没有预警的情况下，夷平了房屋，烧焦了旧金山以北风景如画的山坡、山谷和葡萄园。去年，沃利斯不得不疏散自己的家。2017年，他的房产上散落着致命的、37000英亩的塔布斯大火（加州历史上最具破坏性的火灾之一）被风吹来的碎片。“塔布斯大火是一起开创性事件，一场绝对规模庞大、移动迅速的火灾，我们根本无法追踪，”沃利斯说。
一旦那场大火被扑灭，几个地方机构就开始安装一套塔式摄像头系统，称为ALERTWildfire，以寻找烟雾和火焰，以便在火势失控之前进行扑救。萨诺玛县的21个高功率设备扫描并拍摄易发火灾地区的照片。它们每10秒发送图像，帮助确认——有时甚至发现——突发火情。县消防应急中心的调度员试图密切关注这些传入的图像，这些图像显示在视频监视墙上，并在看到任何可疑烟雾时向应急人员发出警报。他们还接听市民的911报警电话。
沃利斯说，对于任何人来说，这都是一项艰巨的任务，尤其是在风险如此之高的情况下。“你不可能真的让人整天整夜盯着那面墙，等待火灾发生。”
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您将有助于确保有关当今塑造我们世界的发现和想法的具有影响力的故事的未来。
今天，他有了一个强大且不知疲倦的新伙伴：自5月1日起，与摄像头连接的人工智能软件一直在筛选所有图像，以人类眼睛无法达到的速度将它们与同一地点的历史照片进行比较。如果发现任何异常，系统会向调度中心发出警报。ALERTWildfire系统的开发者、内华达大学里诺分校内华达地震实验室主任格雷厄姆·肯特说，目标是更早地调查潜在的火灾发生点，并更快地让消防员赶到现场。
ALERTWildfire摄像头捕捉到受控燃烧产生的烟雾。右侧地图显示其位于加利福尼亚州佩塔卢马以东。图片来源：ALERTWildfire.org
自从萨诺玛县全面启用这项技术以来的几周内，人工智能在发现火情方面比911报警电话快了多达10分钟——这只是一个很小的时间窗口，但却可能意味着焦痕和失控的野火之间的区别。“我谨慎乐观地认为，人工智能是一项可以帮助我的县保持安全的服务，”沃利斯说。
萨诺玛消防和EMS调度中心执行主任KT·麦克纳尔蒂说，随着调度员学会使用它，该系统每周都在改进。软件开发人员添加了一个数据仪表板、声音警报和其他功能，以改进人工智能和人类操作员之间的协调，她说。
人工智能算法仍有一些学习要做，有时911报警电话仍然比它们更快。曾与IBM合作并为联合国提供人工智能问题咨询的创新者尼尔·萨霍塔估计，该系统需要“看到”至少70起真实火灾，才能获得足够的信息。它还需要学习萨诺玛县地形的“词汇”——例如区分烟雾和云雾（有一次，人工智能被当地地热田“盖泽间歇泉”的蒸汽触发）。萨霍塔说，消除此类误报需要时间，他与萨诺玛项目无关。沃利斯希望该系统能在11月开始提供始终如一的可靠情报。
其他加州社区一直在关注萨诺玛开创性的人工智能监控。肯特说，一些社区即将承诺与提供萨诺玛系统的韩国公司Alchera合作。Alchera代表罗伯特·格雷说，该公司的目标是将人工智能扩展到西部六个州的所有850个ALERTWildfire摄像头。
类似早期探测技术正在新墨西哥州进行测试，那里的土地管理者正在使用人工智能分析红外卫星图像，并报告指示可能是早期火灾的地表“热点”的数据。在巴西，科学家部署了一个人工智能系统，该系统处理来自塔式360度摄像头的图像，并就任何明显的火灾向当地官员发出警报。在三年内，该系统已将火灾探测时间从平均40分钟缩短到不到5分钟。肯特还在澳大利亚首都堪培拉周围的地区启动了一个名为BushfireLIVE的摄像头网络，该网络将使用Alchera的人工智能系统。
ALERTWildfire摄像头位于萨诺玛县盖泽间歇泉地区，安装在现有的公用事业塔上。右侧地图上的白色箭头显示了摄像头的位置。蓝色箭头指示该地区的其他摄像头。图片来源：ALERTWildfire.org
最终，人工智能探测网络甚至可能能够测量火灾发生前的风险。这需要训练一个系统，将来自摄像头图像的历史数据与已知导致火灾发生的各种因素（如降水、湿度和植被中的水分含量）结合起来。人工智能可以实时处理和组合数百万个此类数据点，速度远快于人类。“当所有这些拼图碎片拼凑在一起，形成火灾潜在风险时，我们将能够预测火灾实际可能爆发的地点，”萨霍塔说。在确定潜在的热点后，官员可以采取措施来降低风险，例如清理干燥的灌木丛，设置受控的回火来烧掉潜在的燃料，以及其他措施。
在澳大利亚——2019年和2020年的火灾烧毁了超过4700万英亩的土地，共造成34人死亡——土地管理者正在使用谷歌地球、气候数据和人工智能系统来测试这项技术。研究人员研究了2001年至2019年的澳大利亚火灾数据，发现野火最重要的驱动因素是土壤湿度，其次是气温和干旱水平指数，这是去年发表在《遥感》杂志上的一篇论文的结论。这些发现有助于确定人工智能应优先监测哪些变量。
萨诺玛县有大约20个月的时间来决定是否与Alchera签订长期合同。为了做出这个决定，沃利斯将评估人工智能的速度和一致性——“确切地说，这些警报是如何胜过或没有胜过911报警电话的，”他说。
随着加利福尼亚州和美国西部其他地区为迎接又一个潜在的破坏性火灾季节而加紧准备，肯特对人工智能将带来更快的火灾响应抱有很高的期望。但他敦促市民继续通过911和Twitter报告火灾。即使是拥有百年历史的消防塔系统，其人类瞭望员通过无线电和树到树的电话线进行报告，仍然有其地位。“我们正处于与野火的激烈战斗中，你不想把任何工具都扔掉，”他说。