AI 正在幫助人類更快、更有效地識別和治療疾病。接下來，AI 還將幫助人類預防像野火這樣的自然災害。

洛杉磯地區的火災今年已摧毀超過 16,000 座住宅和建筑。據媒體報道，僅 1 月的損失預計就高達 1640 億美元，這場大火有可能成為美國歷史上經濟損失最嚴重的一次自然災害。

據報道，美國農業部和美國林務局最近幾個月一直在將資源投入到減少野草過度生長的有益火災中。

業內專家表示，消防部門能夠借助 AI 更嚴密地監控規定火燒，使其變得更加安全和更容易被社區接受。

“這就像癌癥治療，”總部位于舊金山的 Pano AI 公司 CEO 兼創始人 Sonia Kastner 表示：“早期篩查能在第一階段發現問題，并采取積極的治療手段抑制它的進一步發展。在火災頻發的季節，我們看到各地的客戶都在以這種方式使用我們的解決方案。”

總部位于加利福尼亞州圣拉蒙的 Green Grid 專為公用事業公司提供 AI 服務。該公司 CEO Chinmoy Saha 表示，他們在去年 9 月曾向其在大熊度假村的客戶發出預警，指出圣貝納迪諾國家森林內的火災已逼近該區域。他表示由于有效的提前預警，客戶及時采取了滅火準備措施，防止火勢蔓延至不可控狀態。由于天氣條件良好，大火最終未波及客戶所在的區域。

談及最近發生在洛杉磯地區的火災時，Saha 表示他與一位曾經想要將 AI 攝像頭部署到伊頓火災發生地的客戶進行了討論。

“如果我們的系統當時在場，那么這場火災所帶來的損失本有可能得到緩解。早期監測對于控制火勢和避免其發展成為嚴重野火至關重要。”

使用加速計算協助一線救援人員

Kastner 表示，Pano 的服務可提供人機回圈（human-in-the-loop）的方式，通過 AI 驅動的火災檢測和預警，使消防部門的反應速度超越撥打火警電話的速度，從而可以更快遏制火災。

該公司的 Pano Station 如同安裝在山頂上的信號塔一樣，通過兩臺每分鐘旋轉 360 度的超高清攝像頭捕捉方圓 10 英里的景象。圖像以每分鐘的頻率傳輸到云端，由在 GPU 上運行的 AI 模型進行推理，檢測是否存在煙霧。

Pano AI 的 Pano Station

在 Rancho Palos Verdes 部署

Pano 擁有日間煙霧探測模型、夜間近紅外煙霧探測模型以及夜間地球同步衛星模型。有專人負責驗證探測結果，并且可使用數字變焦和延時影像進行確認。

它基于本地 NVIDIA GPU 進行訓練，并在云端 NVIDIA GPU 上運行推理。

將 AI 用于受控燃燒

加利福尼亞州林業和消防局（CAL FIRE）正在通過規定火燒或受控燃燒減少易燃的干燥植被。

Saha 表示：“受控燃燒十分必要。過去的 30 - 40 年里，我們在加利福尼亞做得并不好。”Green Grid 已部署拖車式 AI 攝像頭傳感器，用于監測火勢并防止受控燃燒失控。”

消防部門可使用 Pano 的 AI 攝像頭監測燃燒區域，確保煙霧不會出現在規定區域之外，以此保障安全。

該公司已在位于近期洛杉磯地區大火南部的 Rancho Palos Verdes 安裝了攝像頭。

Kastner 表示：“Palisades 大火周圍植被過密且存在大量枯枝，所以我們希望未來能更重視受控燃燒。”

消防部門使用 AI 加快減災速度

CAL FIRE 與 Alert California 以及加州大學圣地亞哥分校合作，共同建立了一個攝像頭網絡。該網絡由多家投資者擁有的公用事業公司、CAL FIRE 及內政部其他機構共同管理。

他們在該網絡中安裝了一個能夠探測新起火點的 AI 程序，每兩分鐘掃描一次并實時更新，為 Alert California 提供最新信息。

加利福尼亞州克洛維斯市 CAL FIRE 消防隊長 David Acuna 表示，如果 AI 能讓消防部門在火災面積只有幾英畝時就趕到現場控制火災，控制難度將遠低于火勢擴大到 50 英畝以上。他還表示這在偏遠地區尤為重要，因為這些地區的火災可能要等到數小時后才會有人看到并報告。

Acuna說：“他們使用 AI 判斷是否有新的疑似起火點。更重要的是，這個程序會向相關的應急指揮中心發送一封內容詢問：‘您好，我們發現了一個新的疑似起火點，請您進行確認’的電子郵件，而且該郵件必須進行人工確認。”