Xác định các tòa nhà bị hư hại do cháy rừng nhờ AI

Các nhà khoa học cho biết các đám cháy rừng có tần suất và cường độ ngày càng tăng. Đây là những "triệu chứng" của biến đổi khí hậu. Theo Trung tâm Cứu hỏa liên ngành quốc gia Mỹ, tại 13 bang miền Tây, hơn 80 vụ cháy rừng lớn đang hoành hành và đã thiêu rụi gần 526.090 ha thảm thực vật khô hạn trong thời gian gần đây, diện tích này lớn hơn cả bang Delaware.

Cháy rừng còn gây ra sự gián đoạn nghiêm trọng tại các khu vực đô thị của Mỹ, khói và bụi từ các đám cháy đã theo gió đi xa hàng ngàn km, nhiều người dân được lệnh phải sơ tán, tạm rời bỏ nhà cửa để đảm bảo an toàn. Một vấn đề đặt ra sau đó là làm thế nào để biết tình trạng của ngôi nhà và những thiệt hại mà người dân sẽ cần phải sửa chữa?

Để giải quyết bài toán này, các nhà nghiên cứu tại Đại học Stanford và Đại học California Polytechnic State (Cal Poly) đã phát triển một hệ thống trí tuệ nhân tạo (AI) được gọi là DamageMap (bản đồ thiệt hại) để giúp xác định mức độ thiệt hại của tòa nhà trong vòng vài phút sau thảm họa bằng cách nghiên cứu các bức ảnh chụp từ trên không. Thay vì so sánh các bức ảnh trước và sau cháy, họ đã xây dựng một chương trình sử dụng công nghệ máy học chỉ cần dựa vào các hình ảnh sau khi cháy.

Trước đây, các hệ thống sẽ cần hình ảnh trước và sau khi cháy để so sánh và đánh giá mức độ thiệt hại. Điều này gây nhiều hạn chế và không thể đánh giá nhanh mức độ thiệt hại được vì hệ thống yêu cầu dữ liệu từ cùng một vệ tinh, góc máy ảnh và điều kiện ánh sáng, điều này đôi khi là không thể hoặc tốn thời gian.

Tuy nhiên, hệ thống dựa trên AI là một mô hình huấn luyện sử dụng học máy để nghiên cứu các hình ảnh sau vụ cháy, do đó nó có thể sàng lọc thông qua dữ liệu không nhìn thấy. Các nhà nghiên cứu đã thử nghiệm hệ thống với nhiều loại hình chụp khác nhau từ vệ tinh, trên không và máy bay không người lái, kết quả có độ chính xác ít nhất là 92%.

Nhờ vậy, mọi người có thể biết một tòa nhà có bị hư hại hay không dù không có hình ảnh trước đó. Đây sẽ là một công cụ hiệu quả để nhanh chóng đánh giá thiệt hại và lập kế hoạch cho các nỗ lực khắc phục hậu quả thiên tai.

Thiệt hại về kết cấu do cháy rừng ở California thường được chia thành 4 loại: hầu như không có thiệt hại, thiệt hại nhỏ, thiệt hại lớn hoặc bị phá hủy. Tuy nhiên, hệ thống AI dựa trên hình ảnh từ trên không, các nhà nghiên cứu cho biết hệ thống không thể đưa ra đánh giá đến mức độ chi tiết đó mà chỉ xác định được là có hay không có thiệt hại do hỏa hoạn gây ra.

Hiện nhóm đang phát triển kỹ thuật học sâu được gọi là học có giám sát để có thể tiếp tục cải thiện hệ thống này bằng cách cung cấp thêm dữ liệu. Các nhà nghiên cứu cho biết hệ thống sử dụng nền tảng mã nguồn mở nên có thể được áp dụng cho bất kỳ khu vực nào dễ xảy ra cháy rừng và hy vọng nó cũng có thể được đào tạo để phân loại thiệt hại do các thảm họa khác, chẳng hạn như lũ lụt hoặc bão.

Hiện các nhà nghiên cứu Mỹ đã và đang sử dụng nhiều công nghệ tiên tiến để giảm nhẹ thiên tai. Theo báo cáo của OpenGov Asia, các nhà nghiên cứu tại Phòng thí nghiệm quốc gia Tây Bắc Thái Bình Dương (PNNL) đã sử dụng công nghệ để giảm bớt tác động của thiên tai. Họ đang mở rộng bộ phân tích hình ảnh và mô hình ứng phó với thiên tai đang hoạt động (RADR) của PNNL để giảm thiểu thiệt hại cho cơ sở hạ tầng năng lượng quan trọng. PNNL hợp tác với Trung tâm AI chung của Bộ Quốc phòng và Bộ An ninh nội địa Mỹ.

Bằng cách sử dụng kết hợp công nghệ chụp ảnh như ảnh từ vệ tinh, ảnh trên không và máy bay không người lái, AI và điện toán đám mây, nhóm nghiên cứu sẽ đánh giá cũng như dự đoán thiệt hại. Việc dự báo chính xác sự di chuyển của các thảm họa thiên nhiên như cháy rừng, lũ lụt, bão, gió bão, lốc xoáy và động đất cho phép các cơ quan chức năng thực hiện các biện pháp hiệu quả, kịp thời để giảm thiểu thiệt hại, hoạch định nguồn lực và nhanh chóng khôi phục cơ sở hạ tầng.

Trong những năm gần đây, tần suất và mức độ nghiêm trọng của cháy rừng, lũ lụt và các hiện tượng thời tiết khắc nghiệt khác tại Mỹ ngày càng gia tăng. Các nhà nghiên cứu hy vọng rằng các khả năng bổ sung của RADR sẽ được sử dụng để đưa ra các quyết định sáng suốt, giảm thiểu hoặc lên kế hoạch khắc phục thiệt hại đối với cơ sở hạ tầng năng lượng quan trọng, lập kế hoạch hỗ trợ cứu nạn và cứu trợ./.