בינה מלאכותית יכולה להציל כבאים עתידיים מפיצוצים קטלניים

בינה מלאכותית יכולה לעזור להציל חיי כבאים על ידי חיזוי הבזקי אש לפני התרחשותם, על פי מחקר חדש לאור השבוע. 

הבזקים מתרחשים כאשר חומר בעירה בחדר מתחיל לפתע להתלקח בבת אחת, מה שמוביל לגל עצום של חום וגזים דליקים שעלולים לשבור קירות ולפוצץ חלונות. כ-800 כבאים נהרגו ויותר מ-320,000 נפצעו בעבודה בארה"ב במשך תקופה של 10 שנים, מ-2008 עד 2018, וההערכה היא ש-13% מהתאונות הללו הן תוצאה של אירועי הבזק.

הכבאים צריכים להסתמך על הניסיון שלהם כדי לחזות אם הבזקה עומדת להתרחש, כמו למשל אם לשפוט לפי רמות עשן וחום, אבל זה לא קל בהתחשב באיזו מהירות הם יכולים לזחול. מדעני מחשבים ניסו לפתח שיטות המסוגלות לזהות הבזקים בזמן אמת במשך שני העשורים האחרונים, אבל זו משימה קשה לדגמן משהו כל כך לא יציב.

חוקרים מהמכון הלאומי לתקנים וטכנולוגיה של ממשלת ארה"ב (NIST), גוגל, כמו גם האוניברסיטה הפוליטכנית של הונג קונג ואוניברסיטת סין לפטרוליום, בנו מערכת באמצעות רשתות עצביות גרפיות (GNN) כדי ללמוד קשרים בין מקורות נתונים שונים , המיוצגים כצמתים וקצוות, משריפות מדומות.

"משמשים לעתים קרובות ב-GNNs עבור זמן הגעה משוער, או ETA, בפקק שבו אתה יכול לנתח 10 עד 50 כבישים שונים." יוג'ין יוג'ון פו, המחבר הראשון של המחקר ועוזר מחקר באוניברסיטה הפוליטכנית של הונג קונג, אמר בהצהרה.

"זה מאוד מסובך לעשות שימוש נכון במידע מהסוג הזה בו זמנית, אז משם קיבלנו את הרעיון להשתמש ב-GNNs. חוץ מהאפליקציה שלנו, אנחנו מסתכלים על חדרים במקום בכבישים וחוזים אירועי הבזק במקום ETA בפקק".

הצוות הדמה כל מיני נתונים, החל מתווי מבנים, חומרי שטח, תנאי אש, תצורות אוורור, מיקום גלאי עשן ופרופילי טמפרטורה של חדרים ועד לדגם של 41,000 שריפות מזויפות ב-17 סוגי מבנים שונים. סה"כ 25,000 מקרי שריפה שימשו להכשרת הדגם, ו-16,000 הנותרים שימשו לכיוונון ובדיקתו.

הביצועים של ה-GNN הוערכו לפי האם הוא היה מסוגל לחזות אם אירוע הבזק יתרחש בתוך 30 השניות הבאות. תוצאות ראשוניות הראו שלדגם היה דיוק של 92.1 אחוז במקרה הטוב. 

המערכת, שזכתה לכינוי FlashNet, מתקדמת יותר ממודל למידת המכונה הקודם של הצוות P-פלאש.

"הדגם הקודם שלנו היה צריך לשקול רק ארבעה או חמישה חדרים בפריסה אחת, אבל כאשר הפריסה משתנה ויש לך 13 או 14 חדרים, זה יכול להיות סיוט עבור הדגם", אמר וואי צ'ונג טאם, מחבר ראשון במאמר. ומהנדס מכונות ב-NIST. "עבור יישום בעולם האמיתי, אנו מאמינים שהמפתח הוא לעבור למודל כללי שעובד עבור מבנים רבים ושונים."

FlashNet אולי נראה מבטיח, אבל זה עדיין לא נבדק עם נתונים מחילוץ אש אמיתיים. זה ידרוש מהמודל לנתח נתונים מתרמוסטטים, גלאי פחמן חד חמצני ועשן, בבתים חכמים, הסביר טאם הקופה. לא ברור כיצד יכלו כבאים להתריע על תחזיות הדגם.

"המיקוד של המחקר היה להסתמך על נתוני בניין שניתן או יכולים להיות מסופקים בקלות מחיישני בניין זמינים. אחת הדרכים לתרגם את המחקר למציאות היא לשלב את המודל בלוח בקרה חכם של אזעקת אש שיאסוף את נתוני הטמפרטורה מגלאי חום מותקנים וכולל מודול מחשב שיכול לעבד את הנתונים ולבצע את התחזיות בזמן אמת".

"מלוח הבקרה של אזעקת האש או מציוד מתאים אחר, התחזית תישלח למפקד האירוע, או לכבאים בודדים אם יימצא מתאים. המנגנון המדויק של אספקת ניתוח חזוי שכזה לא נקבע וידרוש קלט משירות הכבאות כדי לפתח קונצנזוס", סיכם תם. ®