想从“火神”手中抢回古建筑，AI为首的黑科技们有哪些能与不能？‘365官方游戏’

本文摘要：【编者按】AI发展正处于初级阶段，就早已为人类建构了极大的价值。

【编者按】AI发展正处于初级阶段，就早已为人类建构了极大的价值。当人类面临“火神”束手无策时，很弱人工智能时代的技术又如何表明出有仅次于的神通？这一切的前提，是要确切AI在每个场景中的局限性与优越性。

持续了5个小时的大火，将享有850年历史的巴黎圣母院付之一炬。在这个全人类为之痛惜的时刻，我们某种程度也无法记得：始建于1284年的元代护国寺曾多次多次为火灾所后遗症；2010年清华大学的百年老学堂被一场大火几乎焚毁；2014年苏格兰格拉斯哥艺术学院及无数艺术珍品被几乎焚毁；2017年，坐落于四川的亚洲第一高木塔灵关楼因大殿火灾而终遭到烧毁；2018年，巴西国家博物馆2000万藏品陷于火海，其中还包括巴西最古老的人类化石……而那些继续幸免于难的古建筑群们，也并无法高枕无忧，而是长年活在对火灾的心碎之中。巴西博物馆被烧光后，我国就很快的组织了一次全国范围内的博物馆和文物建筑消防安全大检查。

巴黎圣母院起火的消息刚爆出，故宫就紧急召开了屏蔽动员会议；而预防性维护现存最低仅有木建筑应县木塔的敦促堪称获得了普遍注目与声援。火灾对最重要文化建筑的威胁，长年如幽灵一般飞过在人类文明的头顶。之所以每一场大火都让人们无比痛惜并忧心忡忡，一方面是代价过于大，火灾对于人类建筑艺术文化带给的损害完全是毁灭性的、无法修缮的；另外，许多古建筑往往具有类似的结构工艺与材料，让很多现代消防措施变得有点无力。

比如火灾救援中常常用于的高压水枪和泡沫灭火器，就有可能对传统建筑中薄弱的木结构部位导致二次损害；一些建筑的地理位置和周边基础建设较为古老，消防车等大型救火设施无法大规模进场等等。在这场人类与“火龙”的文明保卫战中，前人早已总结和探寻出有了不少方法论，比如智能消防栓、自动报警系统等等。那么，当技术的接力棒交给AI手里，它能做更加多吗？答案必需是认同的。

AI挑战火灾，有哪些核心战斗力？以AI为代表的前沿科技，正在火灾救援任务上被寄予厚望。之所以能当大任，有可能要归因于于AI的三个核心战斗力：1.深度自学+智能数据终端的融合，来预测和确认火灾风险以及事故再次发生的具体情况，从源头掌控火情；2.智慧城市的云端调度，需要较慢制订救灾方案，协助消防队伍及涉及物资高效进场，为救援工作争取时间；3.智能机器人等可以已完成一些人类和传统器材无法构建的任务，比如前往耐热性。当然，这么笼统的总结有可能还是有点模糊不清。

却是重点建筑的屏蔽工程，是一个包括了防治、救灾、修缮修复等等的可观综合体系由，期间还有可能遇上各种各样的类似艰难。为了更加充份地让大家系统性理解AI在最重要建筑火灾救援中起着的明确起到和潜在价值，我们企图通过几个重点场景来还原成一下，AI技术集群在火灾中如何综合作功的。场景一：火情防治对于像巴黎圣母院、应县木塔、故宫这样古老的建筑物而言，防治总有一天是第一位的。

但是依赖人工来定期通判，不受简单结构和规模的影响，又很难确保及时发现火情。所以，通过云端网络+智能IoT“软硬件”协同防治火灾的技术解决方案，就变得很适当了。再行说道硬件。

不少团队早已开始尝试，将具有无线传感器的IoT设备布置到一些脆弱方位。这些设备不会动态监测数据并上传遍云端，一旦出现异常不会必要感受到报警机制。

当然，，设备还具有自动报修功能，以确保长年仅有时段平稳能用。针对一些非易燃物引起的火情，比如线路打火或用电设备用于等更为隐密的火灾风险，“电流指纹识别”技术就可以及时地辨别出来。其背后的工作原理类似于人脸识别，通过对“电流特征数据”展开萃取，并辨别出有涉及电路设备的工作状态否不存在出现异常，从而构建风险预警。

大家有可能早已找到了，IoT智能消防设备都只是作为数据终端不存在，明确的处置效果，还是要靠云端平台及算法来确保。智慧消防云平台的整体架构，大体分成三层：第一层：设备感官层，也就是刚才我们提及的还包括烟感、温感、电感、智能摄像头等等各类传感设备。这方面的应用于早已较为成熟期，比如2014年华为就早已在消防栓监测、烟雾观测等领域实践中窄带物联网技术了。

BAT也牵头不少省市政府进行合作，部署城市消防传感器和边缘计算出来网关。第二层：云端PaaS层。传感器搜集的数据都被汇总到云端展开处置，AI的预测能力也在这里发挥作用。

但客观来说，目前还没有效地观测火灾方位及潜在风险的成熟期算法。一方面是由于偶发事件承托的数据规模严重不足，系统无法获得充份的训练；另外则是还包括终端IoT及地球实时运营环境卫星（GOES）等传到的数据具有一定的时延，比如数分钟才能获取高分辨率的图像，大大降低了预测的时效性。而且算法的准确性也不敢恭维，加州大学戴维斯分校的研究人员设计出有了火灾观测方法，有些检测到的毕竟后院的篝火和小食。

目前来看，想靠神经网络+深度自学来预测火灾，超过一定的准确率有可能必须还数年之幸。第三层：应用于SaaS层。

云端预测结果最后将通过APP、web等应用于平台呈现出给专业人士，并已完成屏蔽监测预警、消防物资管控等业务工作。尽管我们很想要对根本性灾害“防患于未然”，但对于历史数据过于非常丰富的火灾，AI算法或许还是有些束手无策。但硬件端的智能升级，似乎对于防灾救灾具有极为重要的现实意义与可行性。

场景二：火灾救援靠人力通判和AI预测来防治火情，似乎都自有其局限性，无法超过确实理想的效果。一位美国加州的消防队员堪称直言不讳，指出该州最有价值的消防车工具之一只不过是不起眼的手机，因为它可以让普通人在找到火灾时电话应急服务电话。如果意外再次发生了火情，AI等前沿科技的效率优势和类似能力就需要确实老大上整天了。AI在救灾场景中的应用于，核心就在于利用技术提升救援效率。

首先在调度上，相结合智慧城市的大数据，需要及时辨别并决策出有最佳的救援策略。比如在路线规划上，可以根据火警方位和人流、车流状况构建周边智能撤离，为赶赴现场节约时间。

根据卫星、智能终端、城市摄像头等的动态数据要求救援设施。智能消防车上还备有GPS卫星定位自律导航仪。当收到报警时，就能表明出有报警的地点、路线、用户名称等，调至救援对象的消防车预案资料，并规划出有抵达火警点的最佳行车路线。

目前在科技公司与有关部门的希望下，抢险救灾的前期调度早已需要利用智慧城市网络有效地构建了。比如深圳市的“智慧交通平台”，就需要在找到火情时，较慢自动分解将所有必经之路道路徵成绿灯，以确保消防车辆较慢通过的最短导航系统路线等等。

在救灾现场，智能技术也可以大幅提高救援效率。比如相结合成熟期的无人机设备，在一些老城区的崎岖不平小路等，首度派遣具有热光学功能的无人机可以获取最及时的火情侦查、火源定位等关键信息。与消防云融合，还需要预测火灾的蔓延到路径，及时地调整策略并纾缓人群，以减少潜在的人员伤亡。

另外，AI的云端能力需要协助专业消防人员作出更加合理的辨别。前面我们提及，最重要古建筑往往必须类似的消防策略来应付。以巴黎圣母院为事例，现场除了消防人员之外，还必须由中世纪建筑专家展开技术指导，根据文物的具体情况来制订合理的救援方案，最大限度地减少损失。

巴黎圣母院的消防方案就退出了早已无法解救的屋顶，将所有措施投放到了内部结构的维护上，最后造成损失比料想中轻很多。比如说一下，如果是其他的非知名建筑，消防员在救援时如果需要通过数字资料来及时提供涉及信息，否就能避免一些原本需要回避的损失呢？目前，有不少机构都在尝试用数字的方式来保有最重要的建筑信息。比如Google Arts Culture就将世界各地的博物馆高质量地还原成在网络中，中国古建筑文化资源数据库，也将数百处国宝级木结构古建筑通过数字化扫瞄和保真摄影的方式展开了信息采集。

未来通过对这些数据展开智能统合，合理安排救灾方式，就需要让一线消防员在争分夺秒的救援现场较慢作出更加有针对性的自由选择，尽量避免不合理方式带给的次放损失。这类系统早已在逐步建构中，未来随着AI能力的引进，必定不会沦为指导古建筑救援的最重要标尺。除了消防员，在今天的火灾救援现场我们需要看见很多智能机器人的参予。

它们不存在的价值在于，需要协助消防员已完成危险性环境观测、类似空间救援等任务。比如斯坦福大学的团队就设计了一种“充气式机器蛇”，可以权利前端自己的长度。并且配备了自律运算的芯片和运动感应器，让它可以智能地辨别“路况”。

如果遇上障碍物必须弯道，“空气蛇”的大脑就不会发送到信号给后端的机械泵，通过在上下左右有所不同侧面充入有所不同量的空气，来构建弯道等简单的运动。因此，这种空气蛇可以精准地穿过障碍物抵达火场。

对于教堂穹顶、藻井等不便认识的角落，“空气蛇”就可以替换人类已完成消防车。由于除去能力强劲，最少100公斤以上的重物，它还需要协助被力在掉下来物下面的人脱险。

当然，这种柔性机器人也面对不少问题。比如智能化程度不低，在缺少真人指挥官的前提下，不能凭借感应器作出少量“智能”的反应，本质上还较为机械，不能已完成单项救援任务。

另外，坚硬的材料（看起来塑料）在抗热性上也展现出不欠佳，据传研究人员于是以想将“空气蛇”改回液压的，但总体而言，其耐受力都是比较受限的。想提升救灾机器人的智力和适应性，还必须芯片硬件、材料学、物联网、智能算法等技术的综合变革，短时期内救灾难道还要靠人类自己了。场景三：灾后修复由于结构和材料的特殊性，火灾之于最重要文化建筑，完全很难是“零损失”。

就在刚，法媒发布了巴黎圣母院的灾情损失，虽然比料想中要轻，主体结构以求保有。但塔尖早已坍塌，左塔上半部和知名的玫瑰花窗都被毁坏。

馆内的艺术作品也被移往留存。灾难的结果固然令人遗憾，但灾后如何修复文明才是关键。其中，3D激光扫描等现代技术的运用，就起着了最重要的参考价值。

2015年，艺术历史学家安德鲁·塔隆对巴黎圣母院的激光扫描工作，就沦为其灾后修缮尤为可信的参考资料。塔隆的工作留给了多达10亿个数据点，涵盖了大教堂内外的50多个地点，色彩数据可准确到5毫米。因此，最后得出结论的照片也十分精确。最后，收集的数据被拼凑成一个包括10亿个点的“point cloud（点云）”，打造出细致的三维立体模型。

这些数据将必要辅助已完成教堂的修缮工作，还原成出有灾情前的原貌。关于智能技术插手火灾的故事，还有很多无法一一描写。面临火灾这样浩然的大自然力量，人类高举手中的“屠龙刀”，一次次发动冲锋。

战斗的终局不一定不会是胜利，但意味著是有一点当下每一个人期望和希望。

本文来源：365官方游戏-www.plenavidamusic.com