Can AI help firefighters manage wildfires   FireSat - Vídeo Dailymotion

xataka

Ver Can AI help firefighters manage wildfires   FireSat - xataka en Dailymotion

Transcript

00:00En 2003, fuimos llamados a la ciudad de Cedar Fire.

00:04Es oranje en todos lados y la humedad está llenando.

00:08Y veo las casas en ropa que están quemando.

00:11Veo a los carros que corren, intentando escapar de las llamas.

00:15Esa fue mi primera experiencia de fuego

00:18a ese ritmo y escala de caos y destrucción.

00:25Y lo que yo quería era que la gente pudiera ver

00:29Y lo que he pasado es que hay que haber una manera mejor.

00:37Las fuerzas de fuego han aumentado dramáticamente en los últimos 20 años

00:40de una manera que los científicos climáticos esperaban,

00:43pero no creo que ninguno de nosotros realmente entendiera

00:46cuál sería el costo.

00:48Estamos viendo un costo humano a las comunidades

00:51y a los impactos alrededor del mundo que son realmente imprecedentes.

00:54La grupa de investigación de Google

00:56está tratando de encontrar maneras de usar tecnología

00:58para ayudar a abordar las fuerzas de fuego

01:00y a ayudar a gestionar los ecosistemas naturales.

01:06Realizamos que uno de los principales problemas

01:08fue que no había mucho buen dato

01:10sobre cómo se propagaban las fuerzas de fuego

01:12o incluso dónde estaban durante la mitad del tiempo.

01:15Porque en una imagen satelital de la Tierra

01:17hay muchas cosas que pueden ser equivocadas para una fuerza de fuego.

01:20Nubes que reflejan la luz del sol,

01:22un pozo que refleja la luz de vuelta al espacio,

01:25algo que está caliente, como una bolsa de fuego.

01:28Todas estas cosas pueden parecer como una fuerza de fuego,

01:30especialmente cuando estás mirando a un píxel relativamente oscuro.

01:34Realizamos que si pudiéramos comparar satélites

01:36con la inteligencia artificial de aprendizaje de máquinas,

01:39sería la perfecta plataforma

01:41para generar inteligencia operacional en tiempo real sobre las fuerzas de fuego.

01:45Así que diseñamos y construimos una cámara

01:47para optimizar la detección de fuego basada en aprendizaje de máquinas.

01:52Pasamos mucho tiempo probándolo en una plataforma aérea,

01:56volando sobre fuerzas de fuego controladas,

01:58tratando de establecer una base

02:00para lo que los algoritmos de aprendizaje de máquinas tendrían que escoger.

02:04La inteligencia artificial y la inteligencia artificial nos permitirán

02:06tomar las últimas mil veces que vimos un lugar en particular en la Tierra

02:09y estimar si las imágenes que estamos viendo ahora

02:12tienen fuego en ellas o no.

02:15Así que el equipo de Google realmente se centra en los datos.

02:18Nuestro equipo está ayudando a llevar eso al primer satélite protovoltario.

02:31En Muon, estamos diseñando, construyendo

02:35y operaremos la misión Firesat.

02:39Firesat es un programa que empezamos con expertos satelitales

02:42y un número de non-profesionales.

02:44Será una nueva constelación de satélites en la órbita de la Tierra

02:47y podremos ver todo el mundo cada 15 a 20 minutos

02:50y encontrar un fuego, tanto cuando comienza como durante su evolución total.

02:54Un número de satélites hacen muchas cosas,

02:56pero Firesat se centra en el problema del fuego selvático.

03:00Los satélites que se utilizan hoy

03:02para la detección y la recopilación de fuego

03:04pasan aproximadamente cada 12 horas

03:06o tienen resoluciones muy bajas.

03:08Lo mejor es conseguir algo de 2 o 3 acres de tamaño

03:11antes de que puedas ver un fuego.

03:13El mejor que Firesat va a ofrecer

03:15es una recopilación rápida y temporal,

03:17especialmente cuando la resolución es muy alta

03:19y es necesario ver los fuegos cuando son muy pequeños,

03:21aproximadamente el tamaño de un aula.

03:24Hemos tenido más de 200 entrevistas

03:27con primeros respondientes y comandantes de incidentes

03:30a lo largo del mundo

03:31para entender las necesidades diversas de la gente en este área.

03:35Fui un fuego en línea durante décadas

03:38y terminé como Marshal de Fuego del Estado de California.

03:41Fui consciente de que había un espacio de información

03:44en el espacio de fuego.

03:46Este es un stream de datos global

03:48que será distribuido para el uso de primeros respondientes

03:51para llegar a lugares para proteger

03:53comunidades y ecosistemas rápidamente.

03:55Y eso es solo la parte de fuego.

03:58También queremos ofrecer datos a los científicos de fuego

04:01para que puedan mejorar modelos de fuego.

04:12La fundación de todos nuestros sistemas de modelos de fuego

04:15es la ecuación de fuego de Rothermull.

04:18Desarrollada por Dick Rothermull en los años 1960

04:21a base de experimentos en este laboratorio.

04:24Es la fundación para los materiales de entrenamiento de fuego

04:27y para todos los sistemas de modelos

04:29que la gente se basa en para apoyar las decisiones

04:32asociadas con la lucha contra el fuego y la gestión de fuego.

04:35Una de las grandes limitaciones de esto

04:37es que no se explica cómo el fuego funciona.

04:40No permite que se tome en cuenta

04:42el cambio de comportamiento del fuego

04:44que va con el cambio de condiciones del viento

04:46o la cambia de las condiciones de húmedo

04:48o la variabilidad en la vegetación o el combustible.

04:51Hemos estado trabajando para reemplazar

04:53la ecuación de fuego de Rothermull durante muchos años.

04:56Pero uno de los desafíos es que los tiempos de funcionamiento

04:59para este modelo son demasiado lentos.

05:02Quizás eso significa que no soy muy bueno en ello.

05:05No lo sé.

05:08Empezamos a trabajar con partneros de investigación de Google

05:11hace un par de años.

05:13Las dos ventajas que realmente traemos en Google

05:15son el gran número de computadores que tenemos acceso a

05:18y la experiencia de usarlo.

05:20Mark y su equipo han ejecutado el modelo

05:22en el computador que tienen disponible para ellos

05:24generando alrededor de un millón de puntos de datos.

05:26Fuimos capaces de tomar el modelo de Mark,

05:28lo ejecutamos en la infraestructura de Google

05:30y hemos creado cientos de millones de puntos de datos.

05:32Y luego hemos utilizado la tecnología de Rothermull

05:35para entrenar una red neurónica profunda

05:37para llegar a una aproximación de lo que hace el modelo de Mark,

05:41que es mucho, mucho más rápido.

05:43El modelo de Mark puede hacer una predicción de fuego

05:45en aproximadamente un minuto.

05:47El nuestro puede hacer una predicción

05:49en aproximadamente 20 o 30 milisegundos.

05:51Y debido a cómo funciona la inteligencia artificial,

05:53no estamos limitados a hacer una sola predicción a la vez,

05:56como el modelo de Mark.

05:58En esos mismos 20 milisegundos,

06:00podemos hacer miles de predicciones.

06:03El modelo de comportamiento de fuego

06:05se utiliza a menudo en las fases de planeación.

06:07Tal vez hay una comunidad que estamos tratando de proteger

06:09y queremos hacer algún tipo de tratamiento mecánico

06:12o un incendio prescribido.

06:15Con estos nuevos sistemas de modelo,

06:17podemos simular tal vez 10.000 fuegos en una comunidad

06:20bajo diferentes condiciones de clima y viento

06:22y en diferentes lugares de donde el fuego podría empezar

06:25y empezar a identificar áreas

06:27en las que el fuego podría comenzar

06:29y comenzar a identificar áreas de alta significancia.

06:33Como si pudiéramos cambiar el tipo de combustible en esta área.

06:36Eso realmente ayudaría a los bomberos

06:38cuando estén tratando de supresionar el fuego.

06:41Con este nuevo modelo,

06:43podremos enseñar a los bomberos

06:45qué es lo que hace la oscuridad a un fuego,

06:47o viento, o un cambio en el tipo de combustible.

06:50Porque hemos visto que tantos bomberos

06:52mueren en fuego

06:54cuando no anticipan lo que el fuego va a hacer.

06:56Y puede haber grandes ganancias

06:58de algo como Firesat,

07:01donde obtenemos información extremadamente buena

07:04sobre cómo el fuego se espalda.

07:06Y podemos usar eso para predicar el comportamiento del fuego.

07:15La gente regresa a Google en tiempos de crisis

07:17para obtener información sobre qué hacer a continuación.

07:19Y esa es una de las razones por las que ha sido tan importante

07:22para Google tener bandas de fuego en el bosque.

07:25Como parte de Google Maps y Google Search.

07:27Nuestro producto de bandas de fuego

07:29muestra las bandas de fuego

07:31usando imágenes satelitales y inteligencia artificial.

07:34Y lo que es tan emocionante sobre Firesat

07:36es que podemos obtener

07:38un cambio de paso real y una mejora

07:40en nuestra capacidad de detectar fuegos tempranos

07:43y detectar fuegos pequeños,

07:45lo que es muy importante para ayudar a la gente

07:47a quedarse tan a salvo como posible.

07:49Nuestra esperanza es que Firesat

07:51brillará una luz donde no había una antes

07:53y donde la gente pudiera obtener datos

07:55para que todo el mundo tuviera acceso adecuado

07:58y pudiera obtener mejoras

08:01para la salud y la seguridad de las personas.

08:04Estábamos haciendo una presentación de Firesat

08:06en Washington, D.C.

08:08y el jefe de la Asociación Internacional de Fuegos

08:11un personaje de Boston

08:13estaba sentado en la audiencia

08:15y, disculpenme si rompo mi acento de Boston,

08:17pero dijo, ¿quieren decir que

08:19obtenemos los satélites solo para los fuegos tempranos?

08:21¿Solo para nosotros?

08:23¡Es increíble! ¡Quiero que suceda!

Can AI help firefighters manage wildfires FireSat

Categoría

Transcripción

Recomendada