人工智能世界中的灾难响应和缓解

在2019的失控加利福尼亚大火之后，美国政府设立了一个白宫行政会议，以促进更好的方法来确保国家和关键的基础，如力格子，从失控的火灾和不同的灾难。仅在2020年，美国就消耗了1030多万块土地，比1990-2000年10年的正常水平高出数倍。在火灾隐蔽费用、直接费用和迂回费用之间，2020年失控的火灾使美国损失了1700多亿美元。包括洪水、台风和其他灾难性事件，美国人生计上的惨败代价是巨大的。

安德烈·科尔曼和他在太平洋西北国家实验室（PNNL）的科学家团队是前五个财团的关键，这个财团由政府、工业界和学术界专家组成，致力于利用创新减少灾难性事件的影响。科尔曼和该集团正在扩展PNNL的灾难反应（RADR）图像调查和显示操作快速分析套件，以减轻对关键能源框架的损害。利用图片捕捉创新（卫星、机载和无人机图片）、计算机推理（AI）和分布式计算的组合，科尔曼和合作伙伴评估危害并预测危害。

准确预测迅速蔓延的火灾、洪水、台风、风暴、旋风和地震等灾难性事件的发展，使待命专家有了一个飞跃，使他们能够采取措施减少危害，直接进行资产安排，并增加框架重建时间。例如，如果火灾到达变电站或其他框架基础，整个当地的家庭、组织和学校将面临停电，这可能需要几天的时间来重建。

美国能源部（DoE）人工智能和技术办公室的负责人Pamela Isom说：“这是一个充满活力和便利的运用人工推理来减少失控火灾的影响，确保能源基础，并最终挽救生命。”这项工作可能会产生影响，因为我们预计这将是一个异常困难、迅速蔓延的火灾季节。这是一些共犯之间的有益合作，包括我们在国防部联合人工智能中心、国土安全部和PNNL的合作伙伴。”

这张由RADR评估的照片来自犹他州盘古奇南部的猛犸象大火。红色辐射区显示出动态的火线，而紫色显示出沸腾区。

自2014年以来，科尔曼和集团一直致力于这些创新。这项任务最初是从改变位置计算开始的，它分解了各种各样的卫星符号，并计算出暴风雨过后场景中发生了什么变化。专家们经常在地面小组进入之前，利用这一装置迅速调查灾难性事件的实际危害效果。在2016个风暴季节使用该装置的主要周期来评估台风的危害，并决定能源基础电气栅格、石油和天然气办公室是否受到伤害或处于危险之中。

总的来说，RADR有见地的项目带来了尊重，然而Coleman和小组认为有自由来增加工具的有用性，并试图提高RADR反应时间、伤害评估、可感知性、预测能力和信息开放性。

为了提高理想性和地面水平的评估，该小组融合了新的和不同的图片来源。RADR可以从各种具有不同探测能力的卫星中提取图像，包括作为公开信息提供的国产和全球政府卫星，拥有大量的头顶象征的源泉可以将反应时间提高到只有几个小时，关键的障碍是头顶象征的休眠，或者是图片被收集到和被调查之间的时间。无论何时得到象征意义，RADR编程都可以在10分钟多一点的时间内创建一个检查。

为了穿透失控的火烟和阴暗的覆盖物，该小组在雷达上增加了红外符号。新的能力给出了一个更为清晰的视角，这个场景是事先无法访问的，给响应者数据，例如，对关键基础或保护区域的伤害，以建立响应者可能在任何情况下都没有意识到的援助项目。

RADR调查的象征意义表明，温暖的问题地区是通过云和烟雾包含。象征意义和评估有助于专家在他们的战斗中召唤激烈的火焰。

该组织同样也在整合来自网络媒体的公开访问和公开支持的图片。在一场灾难中，像Twitter、Flickr和Instagram这样的在线媒体网络经常会提供大量的持续信息，因为客户会发布他们周围发生的事情的图片。通过将头顶上的象征主义与地面上的图片相匹配，小组可以给出更完整的评价。例如，卫星图片可能显示对老化资产、电缆或电网的损害；尽管如此，地面图片可能显示出其他一些东西。该设备将这一负载的图片，消除多余的图片，并将图片缝合在一起，以提供一个更精确的角度对不断变化的条件。

同样地，对于任何计算模型，它只是可比的信息。额外的象征主义来源提供额外的信息给雷达破译，提高准确性。为了预测火势迅速蔓延的潜在后果，该组织加入了气候、燃料和仪表信息的象征意义调查。例如，风，植被，和任何一场火灾都可以把所有的因素都吞噬成一场火灾的大小和过程。通过婚礼象征与燃料信息和迅速蔓延的火灾模型，该集团希望有选择，以准确地预测火灾发生的方式。

显然，评估需要掌握在正确的人手中。计划一个反应需要邻里、省和公共资产，每个都在不同的领域，但需要信息的配置，可以迅速得到和破译，特别是在一个信息通信的气候可以想象的最快。基于云的框架提供了一个从开始到结束的管道，用于恢复可访问的符号、准备调查和分散信息，以便通过工作区的互联网浏览器直接在客户自己的产品中使用，此外还可以通过多功能应用程序使用。增加了视觉检查产生的图片和数据集，可以有效地辨别出一个广泛的人群反应。

近年来，失去控制的火灾、洪水和其他恶劣气候事件的再次发生和严重性日益增加。科尔曼和Guy相信，在任何情况下，RADR的额外能力将给予应答者数据，这些数据可用于解决受过教育的选择、减少或计划对关键能源基金的危害、计划援助风险和挽救生命。