哥白尼欧洲森林火灾信息系统统计数据显示,今年到目前为止,欧盟记录的森林火灾数量为 1600 多起,是过去十年平均水平的三倍。从亚马逊流域到印度尼西亚,森林火灾的发生频率越来越高,规模和强度也越来越大。来自西班牙 Cerdanyola del Vallès 的消防管理战略师 Joan Herrera 回忆说:“我们并肩作战,一些消防员不幸遇难,就倒在我的怀里。这样的事对我的人生产生了很大的影响,让我终生难以释怀。”
发生火灾时消防员挽救生命,但谁来保护消防员? Joan Herrera十多年来一直寻求着问题的答案,但进展缓慢,他不仅饱受吸入过量烟雾的痛苦,还要承受队友离开的心碎事实,直到2019年的代码集结号(Call for Code)全球挑战赛为他带来了改变——Joan Herrera的想法得到了紧急医疗护士Vicenç Padró以及Salomé Valero、Josep Ràfols和Marco Rodriguez三位开发者和数据科学家的支持。
他们的背景值得一提。护士Vicenç Padró拥有毒理学博士学位,他和Joan Herrera最初的工作方式是跟在消防员身后奔跑,检查并记录其生命体征,然后再进行分析。这显然很受条件限制,项目进展艰难。但随即,陷入困境的二人组遇到了 Valero、JosepRàfols 和 Marco Rodriguez 三位希望参与“代码集结号”活动的IT 专业人士。这个为消防员打造的项目赢得了技术人员的全心参与,他们急切地希望通过物联网和人工智能技术,将项目创意提升到新的高度,由此,五人组成立了多学科的 Prometeo 项目团队。
(从左到右)Salomé Valero、Marco Rodriguez、Joan Herrera、JosepRàfols 和 VicençFerrésPadró
他们取得了突破性进展——Prometeo是一款基于多种 IBM云计算平台服务的软硬件解决方案,可以长期实时地监控消防员的安全健康,并采取应对措施。具体如何工作?Premeteo的健康监控设备与 iPhone大小相当,可绑在消防员的手臂上;监控设备配有多个传感器,可以测量温度、湿度和烟雾浓度等关键变量。这些测量值在完成收集后,会通过网络传输到 IBM云端物联网平台。然后,数据通过 Node-RED 工作流发送到基于 IBM Watson 的机器学习模型中,该模型负责提取信息,并将其处理为简单的颜色编码状态,显示在消防指挥中心的 Prometeo 仪表板中。
技术关键词:IBM云端物联网平台、Node-RED工作流、IBM Watson、Cloudant数据库、IBM Cloud Kubernetes Service、Kubernetes
监控外接设备与手机大小相当,虽然配备多个传感器但依然可轻松绑在消防员的手臂上,配有的多个传感器,可以测量温度、湿度和烟雾浓度等关键变量。
测量到数值会通过网络传输到云端平台,人工智能学习系统将其分析后向Prometeo 输出不同颜色的信号,让指挥中心实时监控消防员身体状况,提供帮助。
通过信息存储技术以及综合显示数据的方式优化,满足认证且通过授权的终端均能显示数据,指挥中心可根据需要选择笔记本电脑甚至手机来作为仪表屏,无需专业设备。
绿色信号表明消防员的健康状况良好,黄色或红色则表明指挥中心必须采取应对措施,比如立即采取行动、营救消防员,或帮助他们从火灾中撤离。而最重要的是,Prometeo 将所有信息都存储在 Cloudant 数据库中,可提供数据的历史视图。这就为保障消防安全提供了可参考数据。
该团队在 IBM Cloud Kubernetes Service平台上部署了一项Kubernetes容器服务,并结合使用 websockets 服务器与 NGINX web 服务器来综合显示数据。任何支持 JavaScript 和 WebSocket且经过验证和授权的客户端都可以连接到 Prometeo 仪表板,终端设备的部署相当灵活。
该团队的数据科学家 Rodriguez 介绍说,“在这样的项目中,最重要的一点是获取正确的数据并消除数据中的噪音,团队借助消防员和护士的专业知识可以做到这一点。然后,我们使用 IBM Watson 来获得适合我们所用模型的最佳读数。”
在10月12日的“代码集结号”全球挑战赛最终颁奖仪式上,Prometeo团队获得了全球大奖—— 他们的项目成为了2019年“代码集结号”冠军,获得了20万美元奖金。
接下来,Prometeo团队会参与到IBM的“代码响应”(Code and Response)计划中,获得来自 Linux 基金会的开源项目支持,很快会开始与加泰罗尼亚的消防员进行实地测试,并根据消防员的实地经验完善设备和仪表板,比如烟尘和毒气数据可以改善营救策略、保障消防安全,最终目标是在西班牙、欧洲和全球的消防部门中进行推广。
可以借鉴的实例是,2018年获奖的解决方案Project Owl 在过去的一年中软硬件解决方案得到了进一步增强。IBM认知应用及开发者生态系统业务高级副总裁Bob Lord表示:“我们正在将开源技术与Watson、IBM Blockchain、Weather和物联网等IBM创新产品联系起来,以解决社会问题。去年获奖的解决方案Project Owl最近在波多黎各地区完成了最重要的技术部署,这一地区目前仍处在飓风‘玛丽亚’的灾后恢复过程中。像Project Owl这样优秀的解决方案是因波多黎各的需要而创造,将通过开源技术提供给日本大阪和印度果阿等有需要的地方,以帮助挽救人们的生命。”
2019年“代码集结号”于3月25日启动,10月12日落幕,历时6个多月,遍及165个国家,超过18万名开发者,最终产生了5,000多个以减灾救援为主题的应用程序。Premeteo和其他所有参赛项目一起,成为了这个深秋时节“科技向善”的最好诠释。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。