Как ИИ может предупредить пожарных о неминуемой опасности

Тушение ов – это гонка со временем. Сколько именно времени? Для пожарных эта часть часто неясна. Пожары в зданиях могут мгновенно превратиться из плохих в смертельные, и предупреждающие знаки часто трудно различить среди хаоса ада.


Стремясь устранить это серьезное слепое пятно, исследователи из Национального института стандартов и технологий (NIST) разработали P-Flash или модель прогнозирования пробоев. Инструмент на основе искусственного интеллекта был разработан для прогнозирования и предупреждения о смертельном явлении в горящих зданиях, известном как перекрытие, когда легковоспламеняющиеся материалы в комнате воспламеняются почти одновременно, создавая пламя, размер которого ограничен доступным кислородом. Прогнозы инструмента основаны на данных о температуре от тепловых датчиков здания, и, что примечательно, он предназначен для работы даже после того, как тепловые датчики начинают выходить из строя, обходясь остальными устройствами.

Команда проверила способность P-Flash прогнозировать неизбежные перекрытия в более чем тысяче смоделированных пожаров и более чем в десятке реальных пожаров. Исследование, только что опубликованное в Proceedings of the AAAI Conference on Artificial Intelligence, предполагает, что модель демонстрирует многообещающие возможности для прогнозирования имитированных пробоев и показывает, как реальные данные помогли исследователям идентифицировать немоделированное физическое явление, которое, если к ним обратиться, могло бы улучшить прогноз инструмента при реальных пожарах. . При дальнейшем развитии P-Flash может улучшить способность пожарных оттачивать свою тактику в реальном времени, помогая им спасать жителей здания, а также самих себя.

Вспышки настолько опасны отчасти потому, что их сложно предвидеть. Есть признаки, на которые следует обратить внимание, например, возрастающая интенсивность тепла или пламя, перекатывающееся по потолку. Однако эти знаки можно легко пропустить во многих ситуациях, например, когда пожарный ищет попавших в ловушку жертв с тяжелым оборудованием на буксире и дымом, закрывающим обзор. А снаружи, когда пожарные приближаются к месту происшествия, условия внутри становятся еще менее ясными.

«Я не думаю, что у пожарной службы есть много технологических инструментов, которые предсказывают возгорание на месте происшествия», – сказал исследователь NIST Кристофер Браун, который также работает пожарным-добровольцем. «Наш самый большой инструмент – это просто наблюдение, и оно может быть очень обманчивым. Снаружи все выглядит в одну сторону, а когда вы попадете внутрь, все может быть совсем иначе».

Компьютерные модели, которые прогнозируют пробой на основе температуры, не являются полностью новыми, но до сих пор они полагались на постоянные потоки данных о температуре, которые можно получить в лаборатории, но не гарантировано во время реального пожара.

Тепловые извещатели, которые обычно устанавливаются в коммерческих зданиях и могут использоваться в домах вместе с детекторами дыма, по большей части должны работать только при температурах до 150 градусов Цельсия (302 градусов по Фаренгейту), что намного ниже 600 градусов Цельсия (1100 градусов Цельсия). градусов по Фаренгейту), при котором обычно начинается перекрытие. Чтобы восполнить пробел, образованный потерянными данными, исследователи NIST применили форму искусственного интеллекта, известную как машинное обучение.

«Вы теряете данные, но у вас есть тенденция к отказу теплового извещателя, и у вас есть другие детекторы. С машинным обучением вы можете использовать эти данные в качестве отправной точки для экстраполяции того, происходит ли перекрытие. произошло или уже произошло », – сказал инженер-химик NIST Томас Клири, соавтор исследования.

Алгоритмы машинного обучения выявляют закономерности в больших наборах данных и строят модели на основе полученных результатов. Эти модели могут быть полезны для прогнозирования определенных результатов, например, сколько времени пройдет, прежде чем комната будет охвачена пламенем.