想從“火神”手中搶回古建筑 AI為首的黑科技們有哪些能與不能？
持續(xù)了5個小時的大火，將擁有850年歷史的巴黎圣母院付之一炬。在這個全人類為之惋惜的時刻，我們同樣也無法忘記：
始建于1284年的元代護國寺曾經多次為火災所困擾；2010年清華大學的百年老學堂被一場大火燒毀；2014年蘇格蘭格拉斯哥藝術學院及無數(shù)藝術珍品被燒毀；2017年，位于四川的亞洲第一高木塔靈關樓因大殿火災而終遭焚毀；2018年，巴西國家博物館2000萬藏品陷入火海，其中包括巴西最古老的人類化石……
而那些暫時幸免于難的古建筑群們，也并不能高枕無憂，而是常年活在對火災的忐忑之中。巴西博物館被燒光后，我國就迅速組織了一次全國范圍內的博物館和文物建筑消防安全大檢查。巴黎圣母院失火的消息剛剛傳出，故宮就緊急召開了防火動員會議；而預防性保護現(xiàn)存最高全木建筑應縣木塔的呼吁更是得到了廣泛關注與聲援。
火災對重要文化建筑的威脅，常年如幽靈一般盤旋在人類文明的頭頂。之所以每一場大火都讓人們無比惋惜并憂心忡忡，一方面是代價太大，火災對于人類建筑藝術文化帶來的傷害幾乎是毀滅性的、無法修復的；另外，許多古建筑往往有著特殊的結構工藝與材料，讓很多現(xiàn)代消防措施顯得有點無力。
比如火災救援中經常使用的高壓水槍和泡沫滅火器，就有可能對傳統(tǒng)建筑中脆弱的木結構部位造成二次傷害；一些建筑的地理位置和周邊基礎建設比較古老，消防車等大型救火設施無法大規(guī)模進場等等。
在這場人類與“火龍”的文明保衛(wèi)戰(zhàn)中，前人已經總結和探索出了不少方法論，比如智能消防栓、自動報警系統(tǒng)等等。那么，當技術的接力棒交到AI手里，它能做到更多嗎？答案必須是肯定的。
AI挑戰(zhàn)火災，有哪些核心戰(zhàn)斗力？
以AI為代表的前沿科技，正在火災救援任務上被寄予厚望。之所以能當大任，可能要歸結于AI的三個核心戰(zhàn)斗力：
1．深度學習＋智能數(shù)據(jù)終端的結合，來預測和確定火災風險以及事故發(fā)生的具體情況，從源頭控制火情；
2．智慧城市的云端調度，能夠快速制定救災方案，幫助消防隊伍及相關物資高效進場，為救援工作爭取時間；
3．智能機器人等可以完成一些人類和傳統(tǒng)器材無法實現(xiàn)的任務，比如前往耐熱性。
當然，這么籠統(tǒng)的概括可能還是有點模糊。畢竟重點建筑的防火工程，是一個包含了預防、救災、修復重建等等的龐大綜合體系，期間還可能遇到各種各樣的特殊困難。
為了更充分地讓大家系統(tǒng)性了解AI在重要建筑火災救援中起到的具體作用和潛在價值，我們試圖通過幾個重點場景來還原一下，AI技術集群在火災中如何綜合做功的。
場景一：火情預防
對于像巴黎圣母院、應縣木塔、故宮這樣古老的建筑物而言，預防是第一位的。但是依靠人工來定期巡檢，受復雜結構和規(guī)模的影響，又很難保證及時發(fā)現(xiàn)火情。
所以，通過云端網絡＋智能IoT“軟硬件”協(xié)同預防火災的技術解決方案，就顯得很必要了。
先說硬件。不少團隊已經開始嘗試，將帶有無線傳感器的IoT設備布置到一些薄弱位置。這些設備會實時監(jiān)測數(shù)據(jù)并上傳到云端，一旦出現(xiàn)異常會直接觸動報警機制。當然，，設備還帶有自動報修功能，以保證長期全時段穩(wěn)定可用。
針對一些非易燃物引發(fā)的火情，比如線路打火或用電設備使用等較為隱蔽的火災風險，“電流指紋識別”技術就可以及時地判斷出來。其背后的工作原理有點像人臉識別，通過對“電流特征數(shù)據(jù)”進行提取，并判斷出相關電路設備的工作狀態(tài)是否存在異常，從而實現(xiàn)風險預警。
大家可能已經發(fā)現(xiàn)了，IoT智能消防設備都只是作為數(shù)據(jù)終端存在，具體的處理效果，還是要靠云端平臺及算法來保障。
智慧消防云平臺的整體架構，大致分為三層：
第一層：設備感知層，也就是剛才我們提到的包括煙感、溫感、電感、智能攝像頭等等各類傳感設備。這方面的應用已經比較成熟，比如2014年華為就已經在消防栓監(jiān)測、煙霧探測等領域實踐窄帶物聯(lián)網技術了。BAT也聯(lián)合不少省市政府展開合作，部署城市消防傳感器和邊緣計算網關。
第二層：云端 PaaS 層。傳感器收集的數(shù)據(jù)都被匯總到云端進行處理，AI的預測能力也在這里發(fā)揮作用。但客觀來說，目前還沒有有效探測火災位置及潛在風險的成熟算法。
一方面是由于偶發(fā)事件支撐的數(shù)據(jù)規(guī)模不足，系統(tǒng)無法得到充分的訓練；另外則是包括終端IoT及地球同步運行環(huán)境衛(wèi)星（GOES）等傳回的數(shù)據(jù)有著一定的時延，比如數(shù)分鐘才能提供高分辨率的圖像，大大降低了預測的時效性。而且算法的準確性也不敢恭維，加州大學戴維斯分校的研究人員設計出了火災探測方法，有些檢測到的卻是后院的篝火和燒烤。
目前來看，想要靠神經網絡＋深度學習來預測火災，可能達到一定的準確率需要還數(shù)年之久。
第三層：應用SaaS層。云端預測結果最后將通過 APP、web等應用平臺呈現(xiàn)給專業(yè)人士，并完成防火監(jiān)測預警、消防物資管控等業(yè)務工作。
盡管我們很想對重大災害“防患于未然”，但對于歷史數(shù)據(jù)不夠豐富的火災，AI算法似乎還是有些束手無策。但硬件端的智能升級，顯然對于防災救災有著極為重要的現(xiàn)實意義與可行性。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
