המודל שיציל חיים במהלך שריפה
This post is also available in: 
English (אנגלית)
שריפות בבניינים עלולות להפוך לקטלניות תוך שניות, כאשר בדרך כלל קשה מאוד להבחין בסימני האזהרה. טכנולוגיה חדשה בתחום הבינה המלאכותית (AI) עשויה לשנות את המצב.
חוקרים מהמכון הלאומי האמריקאי לתקנים וטכנולוגיה, NIST, פיתחו מודל חיזוי למקרים של התלקחות בו-זמנית של חומרי בעירה, שכתוצאה מכך משתחררים גזים רעילים (flashover). מודל P-Flash המבוסס-AI נועד לחזות ולהתריע בפני התופעה הקטלנית הזאת בבניינים בוערים, כאשר חומרים דליקים בחדר ניצתים כמעט בו-זמנית ומייצרים להבה שגודלה מוגבל רק על ידי כמות החמצן הזמין.
יכולות החיזוי של הכלי מבוססות על נתוני טמפרטורה מגלאי החום של הבניין, והוא מיועד לפעול גם כאשר הגלאים מפסיקים לתפקד.
צוות החוקרים בדקות את היכולת של הכלי לחזות מראש התלקחות flashover בלמעלה מ-1000 סימולציות של דלקה ויותר מתריסר דליקות בעולם האמיתי. המודל נראה מבטיח בחיזוי flashover בסימולציה ומוכיח כיצד נתונים מהעולם האמיתי מסייעים לחוקרים לזהות תופעה פיזיקלית שלא היה לה מודל, דבר שעשוי לשפר את יכולת החיזוי של הכלי בדליקות אמיתיות.
לאחר המשך פיתוח, הכלי יוכל לתגבר את יכולתם של לוחמי האש להשתמש בטקטיקות בזמן אמת, ולסייע להם להציל את תושבי הבניינים ואת עצמם.
אמנם מודלים ממוחשבים לחיזוי התופעה על בסיס טמפרטורה כבר קיימים, אבל עד היום הם הסתמכו על נתוני טמפרטורה שמוזרמים באופן קבוע בתנאי מעבדה אך לא מובטחים בשריפה אמיתית.
גלאי החום, שמותקנים בבניינים מסחריים ובבתים לצד גלאי עשן, מצופים בדרך כלל לפעול עד טמפרטורות של 150 מעלות צלזיוס, הרבה פחות מ-600 מעלות צלזיוס – הטמפרטורה שקיימת בדרך כלל כשמתחיל להתפתח flashover.
כדי לגשר על הפער שנוצר כתוצאה מאובדן נתונים, החוקרים יישמו כלים של למידת מכונה. אלגוריתמים של למידת מכונה מסוגלים לחשוף דפוסים במערכי נתונים גדולים ולבנות מודלים על בסיס הממצאים. מודלים אלה יכולים לסייע בחיזוי תוצאות מסוימות, לדוגמא כמה זמן יעבור לפני שהחדר ייעטף כולו בלהבות.
כדי לפתח את P-Flash הזינו החוקרים את נתוני הטמפרטורה באלגוריתם מגלאי חום בדירה טיפוסית.
כדי ללמוד על יכולת הטכנולוגיה לחזות את ה-flashovers לאחר שגלאי החום נכשלו, החוקרים פיצלו את תיעוד הטמפרטורה מהסימולציה ואיפשרו לאלגוריתם ללמוד ממערך של 4033 נתונים תוך הסתרת האחרים.
הם מצאו כי המודל חזה בצורה נכונה את ה-flashovers דקה אחת מראש עבור כ-86% ממקרי השריפה בסימולציות. היבט נוסף בביצועים היה שגם במקרים בהם המודל החמיץ את החיזוי, הוא הפיק בדרך כלל תוצאות חיוביות כוזבות, כלומר תחזיות שהארוע יתרחש מוקדם יותר מאשר אכן קרה, וזה עדיין טוב יותר מאשר החלופה של לתת ללוחמי האש תחושה כוזבת של ביטחון, כך לפי homelandsecuritynewswire.com.
