매일 아침, 캘리포니아의 최고의 소방관들은 화재 용어로 된 일일 예보를 받음. 바람이 언제 바뀔지, 땅이 얼마나 건조한지, 그리고 화재를 시작하거나 퍼뜨릴 수 있는 여러 요소를 확인함.
최근에는 이 루틴에 추가 단계가 생김: 기계의 의견을 확인하는 것임.
"특정 지역에서 화재 활동이 증가할 것이라는 것을 알게 되면, [AI 프로그램을 사용하여] 이 지역이 보라색임을 확인할 수 있음. 이는 가장 높은 경고 수준을 의미함,"이라고 수석 필립 세레구가 설명함.
AI가 그 신호를 주면, "우리가 시작할 모든 대응은 추가 자원으로 보강될 것임."
AI가 소방 활동을 얼마나 극적으로 변화시킬 수 있는지는 이미 화재 대응에서 명확함. 7월 초, 세레구는 로스앤젤레스 북쪽의 로스 파드레스 국립공원에서 화재를 진압하고 있었음.
몇 년 전, 화재가 시작되거나 퍼졌다는 911 전화가 오면, 분석가는 그 경로를 예측하기 위해 서두름. "연료는 무엇인가? 날씨는 어떤가?"라고 세레구가 여러 요인을 나열함. 이 과정은 "몇 시간에서 몇 시간 이상" 걸렸음.
이제 그 전체 과정이 자동화됨. 911 화재 호출이 발신되면, AI 예측이 "약 18~20초" 안에 생성됨. 요청 시 무제한 새로운 보고서가 생성됨.
"우리는 아마도 ... 오늘 아침에 12~14번 사용했음,"이라고 그는 로스 파드레스 화재에서 하루를 보내며 말함.
지난 몇 년간의 대재앙적인 화재 시즌 이후, 화재보다 한 발 앞서 나가야 할 압박이 있음. 화재의 확산을 예측하는 것이 점점 더 중요해지고 있지만, 더 어려운 작업인 대규모 화재가 언제 발생할지 며칠 전에 예측하는 것도 중요함.
먼저, 광범위한 지역에 얼마나 많은 연소 가능한 식물이 있는지 알아야 하고, 두 번째로 그것이 얼마나 건조한지 알아야 함. 세 번째 요인, 그리고 예측하기 가장 어려운 것은 점화의 불꽃임. 이는 담배꽁초나 번개와 같은 인간이 유발한 것일 수 있음. 게다가 모든 데이터는 날씨 예보가 변경됨에 따라 매일 새롭게 재계산되어야 함.
인간도 이를 수행할 수 있음. 하지만 AI는 방대한 데이터 세트를 소화하여 화재가 시작되기 일주일 또는 10일 전까지도 꽤 정확하게 예측할 수 있는 것 같음.
"우리는 이러한 유형의 분석을 수행하기 위해 일반적인 알고리즘을 실행할 수 없음. 데이터 양이 방대함 ... 더 많은 힘이 필요함,"이라고 아드리안 카딜이 말함.
카딜은 세레구가 사용하고 있는 AI 기반 프로그램을 캘리포니아에 제공하는 테크노실바의 과학자임. 그의 팀은 먼저 캘리포니아의 관목지와 목재 숲에 대한 정확한 초상을 얻어야 했음. 비행기나 드론으로 운영되는 매우 고해상도 센서인 라이다가 수천 에이커의 3D 지도를 제공함. "놀라움,"이라고 카딜이 말함. "잎사귀까지 볼 수 있음."
AI는 주의 60-70%를 매핑함. 라이다로 본 땅을 분석하여, 낮은 품질의 이미지로만 포착된 다른 지역의 식물이 무엇인지 이해할 수 있었음. 테크노실바는 AI가 정확하게 작동하는지 확인하기 위해 엄격한 검증 과정을 사용함.
그 후, 그들은 날씨 데이터를 통합하여 매일 식물의 수분을 계산하는 모델을 실행함. "식물이 더 건조하면 점화와 화재 확산이 더 쉬워질 것임." 여기에 점화의 가능성이 추가됨.
테크노실바의 작업은 AI를 활용한 새로운 화재 모델링의 물결의 일환으로, 전 세계에서 각 프로젝트가 서로 다른 방식으로 접근하고 있으며, 동일한 세 가지 요인: 연료, 날씨, 점화에 대해 다루고 있음. 많은 프로젝트는 아직 운영되지 않지만, 그 제작자들은 향후 몇 년 내에 운영될 것으로 기대하고 있음.
예를 들어, 미국 소방 서비스는 미국의 연료 지도를 유지하는 임무를 맡고 있으며, 이를 30미터 x 30미터 단위로 수행함. 이는 두 개의 농구 코트 크기와 비슷함.
그들은 AI와 구글 어스 이미지를 사용하여 한 프로젝트에서 더 높은 해상도로, 수십 센티미터까지 내려가, 과학자들이 식물 사이의 맨 땅과 바위를 등록할 수 있도록 함. 이는 자연 화재 방어선으로 작용할 수 있음.
"우리는 풀 덩어리의 공간적 패턴에 대한 매우 세밀한 정보가 필요함,"이라고 소방 서비스의 그렉 딜런이 말함.
"그리고 더 많은 데이터를 얻을수록, 더 많은 기계 학습 및 AI 유형 분류기가 필요함."
세 번째 요인인 점화는 명백한 이유로 다른 문제를 제기함. "예측하기 가장 어려운 것 중 하나는 번개로 인한 화재임,"이라고 캐나다 정부 과학자 피유시 제인이 말함.
많은 과학자들이 AI를 사용하여 번개를 예측하는 실험을 하고 있으며, 미국의 여러 연방 기관인 NASA, 미국 해양 대기청(NOAA), 미국 소방 서비스와 전 세계의 학계 및 민간 기업들이 포함됨.
그들의 많은 프로젝트는 기계가 수년, 때로는 수십 년의 날씨 기록을 처리하여 번개가 동반되는 경향이 있는 단서를 찾도록 요청함.
예를 들어, NOAA의 AI 기반 모델은 향후 한 시간 동안 미국 전역의 번개를 예측함. 이는 비가 동반되지 않는 "건조한" 번개가 화재 위험을 초래할 수 있는지 예측하기 위한 새로운 프로젝트로 발전하고 있음.
소방 서비스 모델은 미국의 각 20제곱킬로미터 구역에 대해 화재를 일으키는 번개를 일주일 전에 예측하는 것을 목표로 하며, 25년의 시간별 번개 데이터를 기반으로 한 통계 모델을 사용함. 이는 다시 AI 덕분에 가능해진 방대한 데이터 처리 작업임.
그럼에도 불구하고, 세계에서 가장 야심찬 화재 예측 프로젝트 중 하나는 하나의 위험 요소에 초점을 맞추는 아이디어를 포기하고, 대신 전 세계를 확대하여 AI의 한계를 시험함. 유럽 중기 기상 예보 센터(ECMWF)의 과학자들은 지구 어디에서나 화재를 일주일 전에 예측하기 위해 나섰음.
이러한 규모에서 그들은 일관성이 없기 때문에 현장 식물 매핑을 피함. 대신, 그들은 지역이 상록수인지 사바나인지 보여주는 기본 토지 분류 지도를 사용하고, AI 프로그램에 대기 중 CO2 수준을 측정하는 위성 데이터를 제공함.
"그것은 우리에게 ... 식물이 얼마나 활발한지를 알려줄 것임,"이라고 ECMWF의 연구원 조 맥노튼이 말함. 다시 말해, 이는 탄소 싱크를 측정하고 주어진 지역에서 연소할 수 있는 연료의 양을 추론함.
그들의 프로그램은 또한 전 세계 위성 날씨 데이터를 입력받으며, AI는 위성이 포착할 수 있는 대형 화재를 찾기 위해 훈련됨. 이제, 그것은 전 세계적으로 하루에 하나의 화재 예측을 생성하며, 다음 10일 동안 9km 해상도로 제공됨. 놀랍게도, 이를 만든 사람들에게도 놀라운 것은, 이는 가장 큰 화재 범주에 대해 작동하는 것처럼 보임. 지난해 캐나다 화재를 약 10일 전에 예측할 수 있었음, 라고 맥노튼이 말함.
캘리포니아에서 세레구는 AI가 어떤 역할을 하는지 모든 세부 사항을 아직 모르지만, 그럴 필요는 없음: "그것은 이미 내장되어 있음,"이라고 그는 어깨를 으쓱함. 하지만 더 중요한 것은 분명함, 그가 말함: "정확성을 향상시켰음."
