2022年,美国野火灾害频发,天降横祸也成为民众在这一年中的集体记忆。
今年夏季野火的恐怖数量与规模也让人不禁要问,火灾是否会成为新的常态?会对居民健康产生何种影响?我们又该采取哪些措施来尽量缓解未来几年的潜在火情?
野火看似随机发生,但科技与人工智能(AI)的结合正帮助我们预测火热蔓延,并缓解其可能造成的毁灭性破坏。
斯坦福大学的研究人员最近开发了一种AI模型,能够预测危险的粒子污染,进而追踪美国西部灼烈恶火的传播轨迹。
使用卫星数据,斯坦福团队训练出一个机器学习模型,能够准确预测未监测区域内野火烟雾所造成的PM2.5浓度。
结果显示,在过去十年当中,由于直接暴露在野火烟雾当中,因PM2.5受到健康损害的美国民众数量增长了27倍。
HEAVY.AI公司产品经理Mike Flaxman博士表示,AI与机器学习正协助研究人员“厘清”空气质量与天气模式数据,并以远超以往的速度预测可能爆发的野火灾情。
他在采访中表示,“AI在解决这类问题上没有任何争议,我们可以将其作为日常解决方案。毕竟单靠人力根本不可能完成如此巨大的计算量。”
他提到,AI能够瞬间浏览相当于百倍于单人单日数据查看量的信息,并快速识别出值得进一步追踪的可疑数据点。
Flaxman博士补充称,AI目前已经被广泛用于预测空气质量。得益于太空中运行的成千上万颗卫星,可用训练数据集也正在“突飞猛进”。
AI在这一领域有着巨大的应用潜力,目前企业和政府收集到的全部天气数据中,仍有八到九成未能得到正确分析。
“过去每14天才会生成一张卫星图像,但后续处理周期往往长达6个月。现在我们已经掌握着全国各地地面传感器收集到的信息,甚至有很多居民在后院架设起小型气象站。这些传感器就在监测环境之内,能用地面数据填补卫星数据中的空白。这样的数据组合非常强大,也极有价值。”
这样一套传感器网络对于空气质量特别重要,因为空气质量指标在不同地区往往“分布不均”。
“住在高速公路附近的空气质量,跟住在加州中部、加州北部肯定完全不一样。那么,我们要如何处理像空气质量这样分布复杂度极高的问题?”
他提到,空气污染造成的某些后果其实完全可以衡量,比如当地医院收治的儿童病患数量。
当然,有毒空气的累积和暴露量还需要更长期的持续监测。
HAVY.AI公司CEO Jon Kondo表示,在测量野火方面,地形、天气和植被三大因素不容忽视。近年来,卫星对地面水分的监测能力迎来了巨大突破,意味着后续对野火爆发地点的预测将变得更加先进。
展望未来,Kondo认为我们的长短期野火预测和应对规划都有改进空间。
他解释道,“如果能把预测周期延长到几个月,那就多了很多缓解措施,包括减少燃料和强化设备。另外即使火灾已经出现,预先安置的人员和设备也将大大提升响应与扑灭能力。”
Kondo认为,“我们在加利福尼亚州度过了艰难的一年。虽然制定出了更先进的救灾计划,但我们面对的也是前所未有的极端气候挑战。”
“我们必须让应对措施拥有更全面的适应能力,这不仅要依靠专业机构,同时也要深入社区乃至住户。我们需要快速为更多民众提供准确信息。而考虑到如此庞大且高度动态的数据流,这种广泛访问目标必然离不开新一代技术工具的支撑。”
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。