Category
🤖
TecnologíaTranscripción
00:00En 2003, fuimos llamados a la ciudad de Cedar Fire.
00:04Es oranje en todos lados y la humedad está llenando.
00:08Y veo las casas en ropa que están quemando.
00:11Veo a los carros que corren, intentando escapar de las llamas.
00:15Esa fue mi primera experiencia de fuego
00:18a ese ritmo y escala de caos y destrucción.
00:25Y lo que yo quería era que la gente pudiera ver
00:29Y lo que he pasado es que hay que haber una manera mejor.
00:37Las fuerzas de fuego han aumentado dramáticamente en los últimos 20 años
00:40de una manera que los científicos climáticos esperaban,
00:43pero no creo que ninguno de nosotros realmente entendiera
00:46cuál sería el costo.
00:48Estamos viendo un costo humano a las comunidades
00:51y a los impactos alrededor del mundo que son realmente imprecedentes.
00:54La grupa de investigación de Google
00:56está tratando de encontrar maneras de usar tecnología
00:58para ayudar a abordar las fuerzas de fuego
01:00y a ayudar a gestionar los ecosistemas naturales.
01:06Realizamos que uno de los principales problemas
01:08fue que no había mucho buen dato
01:10sobre cómo se propagaban las fuerzas de fuego
01:12o incluso dónde estaban durante la mitad del tiempo.
01:15Porque en una imagen satelital de la Tierra
01:17hay muchas cosas que pueden ser equivocadas para una fuerza de fuego.
01:20Nubes que reflejan la luz del sol,
01:22un pozo que refleja la luz de vuelta al espacio,
01:25algo que está caliente, como una bolsa de fuego.
01:28Todas estas cosas pueden parecer como una fuerza de fuego,
01:30especialmente cuando estás mirando a un píxel relativamente oscuro.
01:34Realizamos que si pudiéramos comparar satélites
01:36con la inteligencia artificial de aprendizaje de máquinas,
01:39sería la perfecta plataforma
01:41para generar inteligencia operacional en tiempo real sobre las fuerzas de fuego.
01:45Así que diseñamos y construimos una cámara
01:47para optimizar la detección de fuego basada en aprendizaje de máquinas.
01:52Pasamos mucho tiempo probándolo en una plataforma aérea,
01:56volando sobre fuerzas de fuego controladas,
01:58tratando de establecer una base
02:00para lo que los algoritmos de aprendizaje de máquinas tendrían que escoger.
02:04La inteligencia artificial y la inteligencia artificial nos permitirán
02:06tomar las últimas mil veces que vimos un lugar en particular en la Tierra
02:09y estimar si las imágenes que estamos viendo ahora
02:12tienen fuego en ellas o no.
02:15Así que el equipo de Google realmente se centra en los datos.
02:18Nuestro equipo está ayudando a llevar eso al primer satélite protovoltario.
02:31En Muon, estamos diseñando, construyendo
02:35y operaremos la misión Firesat.
02:39Firesat es un programa que empezamos con expertos satelitales
02:42y un número de non-profesionales.
02:44Será una nueva constelación de satélites en la órbita de la Tierra
02:47y podremos ver todo el mundo cada 15 a 20 minutos
02:50y encontrar un fuego, tanto cuando comienza como durante su evolución total.
02:54Un número de satélites hacen muchas cosas,
02:56pero Firesat se centra en el problema del fuego selvático.
03:00Los satélites que se utilizan hoy
03:02para la detección y la recopilación de fuego
03:04pasan aproximadamente cada 12 horas
03:06o tienen resoluciones muy bajas.
03:08Lo mejor es conseguir algo de 2 o 3 acres de tamaño
03:11antes de que puedas ver un fuego.
03:13El mejor que Firesat va a ofrecer
03:15es una recopilación rápida y temporal,
03:17especialmente cuando la resolución es muy alta
03:19y es necesario ver los fuegos cuando son muy pequeños,
03:21aproximadamente el tamaño de un aula.
03:24Hemos tenido más de 200 entrevistas
03:27con primeros respondientes y comandantes de incidentes
03:30a lo largo del mundo
03:31para entender las necesidades diversas de la gente en este área.
03:35Fui un fuego en línea durante décadas
03:38y terminé como Marshal de Fuego del Estado de California.
03:41Fui consciente de que había un espacio de información
03:44en el espacio de fuego.
03:46Este es un stream de datos global
03:48que será distribuido para el uso de primeros respondientes
03:51para llegar a lugares para proteger
03:53comunidades y ecosistemas rápidamente.
03:55Y eso es solo la parte de fuego.
03:58También queremos ofrecer datos a los científicos de fuego
04:01para que puedan mejorar modelos de fuego.
04:12La fundación de todos nuestros sistemas de modelos de fuego
04:15es la ecuación de fuego de Rothermull.
04:18Desarrollada por Dick Rothermull en los años 1960
04:21a base de experimentos en este laboratorio.
04:24Es la fundación para los materiales de entrenamiento de fuego
04:27y para todos los sistemas de modelos
04:29que la gente se basa en para apoyar las decisiones
04:32asociadas con la lucha contra el fuego y la gestión de fuego.
04:35Una de las grandes limitaciones de esto
04:37es que no se explica cómo el fuego funciona.
04:40No permite que se tome en cuenta
04:42el cambio de comportamiento del fuego
04:44que va con el cambio de condiciones del viento
04:46o la cambia de las condiciones de húmedo
04:48o la variabilidad en la vegetación o el combustible.
04:51Hemos estado trabajando para reemplazar
04:53la ecuación de fuego de Rothermull durante muchos años.
04:56Pero uno de los desafíos es que los tiempos de funcionamiento
04:59para este modelo son demasiado lentos.
05:02Quizás eso significa que no soy muy bueno en ello.
05:05No lo sé.
05:08Empezamos a trabajar con partneros de investigación de Google
05:11hace un par de años.
05:13Las dos ventajas que realmente traemos en Google
05:15son el gran número de computadores que tenemos acceso a
05:18y la experiencia de usarlo.
05:20Mark y su equipo han ejecutado el modelo
05:22en el computador que tienen disponible para ellos
05:24generando alrededor de un millón de puntos de datos.
05:26Fuimos capaces de tomar el modelo de Mark,
05:28lo ejecutamos en la infraestructura de Google
05:30y hemos creado cientos de millones de puntos de datos.
05:32Y luego hemos utilizado la tecnología de Rothermull
05:35para entrenar una red neurónica profunda
05:37para llegar a una aproximación de lo que hace el modelo de Mark,
05:41que es mucho, mucho más rápido.
05:43El modelo de Mark puede hacer una predicción de fuego
05:45en aproximadamente un minuto.
05:47El nuestro puede hacer una predicción
05:49en aproximadamente 20 o 30 milisegundos.
05:51Y debido a cómo funciona la inteligencia artificial,
05:53no estamos limitados a hacer una sola predicción a la vez,
05:56como el modelo de Mark.
05:58En esos mismos 20 milisegundos,
06:00podemos hacer miles de predicciones.
06:03El modelo de comportamiento de fuego
06:05se utiliza a menudo en las fases de planeación.
06:07Tal vez hay una comunidad que estamos tratando de proteger
06:09y queremos hacer algún tipo de tratamiento mecánico
06:12o un incendio prescribido.
06:15Con estos nuevos sistemas de modelo,
06:17podemos simular tal vez 10.000 fuegos en una comunidad
06:20bajo diferentes condiciones de clima y viento
06:22y en diferentes lugares de donde el fuego podría empezar
06:25y empezar a identificar áreas
06:27en las que el fuego podría comenzar
06:29y comenzar a identificar áreas de alta significancia.
06:33Como si pudiéramos cambiar el tipo de combustible en esta área.
06:36Eso realmente ayudaría a los bomberos
06:38cuando estén tratando de supresionar el fuego.
06:41Con este nuevo modelo,
06:43podremos enseñar a los bomberos
06:45qué es lo que hace la oscuridad a un fuego,
06:47o viento, o un cambio en el tipo de combustible.
06:50Porque hemos visto que tantos bomberos
06:52mueren en fuego
06:54cuando no anticipan lo que el fuego va a hacer.
06:56Y puede haber grandes ganancias
06:58de algo como Firesat,
07:01donde obtenemos información extremadamente buena
07:04sobre cómo el fuego se espalda.
07:06Y podemos usar eso para predicar el comportamiento del fuego.
07:15La gente regresa a Google en tiempos de crisis
07:17para obtener información sobre qué hacer a continuación.
07:19Y esa es una de las razones por las que ha sido tan importante
07:22para Google tener bandas de fuego en el bosque.
07:25Como parte de Google Maps y Google Search.
07:27Nuestro producto de bandas de fuego
07:29muestra las bandas de fuego
07:31usando imágenes satelitales y inteligencia artificial.
07:34Y lo que es tan emocionante sobre Firesat
07:36es que podemos obtener
07:38un cambio de paso real y una mejora
07:40en nuestra capacidad de detectar fuegos tempranos
07:43y detectar fuegos pequeños,
07:45lo que es muy importante para ayudar a la gente
07:47a quedarse tan a salvo como posible.
07:49Nuestra esperanza es que Firesat
07:51brillará una luz donde no había una antes
07:53y donde la gente pudiera obtener datos
07:55para que todo el mundo tuviera acceso adecuado
07:58y pudiera obtener mejoras
08:01para la salud y la seguridad de las personas.
08:04Estábamos haciendo una presentación de Firesat
08:06en Washington, D.C.
08:08y el jefe de la Asociación Internacional de Fuegos
08:11un personaje de Boston
08:13estaba sentado en la audiencia
08:15y, disculpenme si rompo mi acento de Boston,
08:17pero dijo, ¿quieren decir que
08:19obtenemos los satélites solo para los fuegos tempranos?
08:21¿Solo para nosotros?
08:23¡Es increíble! ¡Quiero que suceda!