巴黎的灵魂——巴黎圣母院今日在一场大火中牵动着世界人民的心，大火始于楼顶，火势蔓延迅猛，熊熊火焰从教堂两座钟楼“喷射”而出。虽然其整体的结构没有被毁，但是修复工程巨大。AI技术是否能让我们重现世界文明的瑰丽呢？
今晨，一则消息“火”遍了全球——巴黎圣母院出大事了！一场突如其来的大火让这座850多年的世界瑰宝付之一炬。
根据法国新闻媒体报道，大火起始于楼顶，火势蔓延迅猛，熊熊火焰从教堂两座钟楼“喷射”而出。巴黎圣母院整体的结构没有被毁。
作为巴黎的灵魂，圣母院850年的历史寄托当地人的精神和信仰，也是欧洲和世界宗教史上的代表性建筑，圣母院烧毁也让塞纳河畔的民众为之哭泣，巴黎为之哭泣，世界为之哭泣。
2018年11月，加州森林大火蔓延了数十万英亩，当地居民被迫疏散，迅速蔓延的火势已致数十人死亡，超过300人下落不明。
野火已经烧毁了上万座建筑物，成为该州现代历史上毁灭性最强、顶级规模的火灾。
2019年3月30日，四川省凉山州木里县境内发生森林火灾，27 名森林消防指战员和 3 名地方扑火人员因此遇难。
接踵而至的失火事件，无情地剥夺了一个又一个宝贵的生命，一件又一件人类的文明珍宝。
古驰母公司老板、法国奢侈品巨头开云集团（Kering）董事长兼CEO弗朗索瓦-亨利·皮诺发表声明称，其家族将捐款1亿欧元用于修复巴黎圣母院。皮诺家族曾在2009年佳士得拍卖中拍下圆明园流失文物12生肖兽首中的鼠首和兔首，并于2013年将它们归还中国。
在科技日益发达的现代，AI技术能为预防/消除火灾、灾后重建带来什么呢？我们梳理了从灾情模拟、卫星定位、灾情汇总以及数字重生等几个较为重要的领域，希望能让AI在减灾重建中发挥部分作用。
而就在去年11月去世的瓦萨大学(Vassar College)艺术学院副教授Andrew Tallon，在其生前便完成了对巴黎圣母院的扫描工作，各个角度的建筑全景、3D和细节图片。大火过后，消逝的巴黎圣母院将在数字世界里永存。
用于三维存档的技术叫做三维激光扫描/激光雷达，可以精确地（1-2mm精度）、快速地（每秒测量数十万个点）获取建筑的三维几何信息。获得的数据被称为激光扫描数据或点云数据。
他在2014 - 2015年的工作发现，国王画廊(Gallery of Kings)几乎已经从铅锤中移出了一英尺，并且大教堂的这个区域可能在工作开始之前的十年内保持不变，让土壤有时间沉淀。 他的作品还表明，巴黎圣母院的内部柱子并没有完美对齐。
虽然Andrew Tallon已经去世，但是希望他生前的工作能够对巴黎圣母院的重建起到一定作用！
早在2016年，NASA位于加州的喷气推进实验室的研究人员就在利用AI助消防员一臂之力。AI能够收集温度、气体和其他危险信号的有关数据，让消防人员更准确地对火场情况做综合评估，并引导救火队员在执行任务时安全地通过火场。
由NASA喷气推进实验室和美国国土安全部联合开发的新型AI系统，可以对消防活动进行指导，有望提高救火效率，降低人员伤亡。
该系统名为AUDREY，通过对火场环境有关数据的推理，提取和理解实现辅助消防的目的。AUDREY利用物联网技术，将众多消防设施和传感器信息实现无线交互。在消防员衣服中的可穿戴传感器能获取GPS位置信息，其他房间的热量信息、危险化学品和气体成分信息，以及卫星图像等等。
作为基于云的软件，AUDREY不但可以向现场人员发送数据，还能学习并预测后续的资源需求。AUDREY就是消防员的“云端守护天使”， AUDREY项目经理Edward Chow说。“由于传感器能够检测到所有数据，能够尽可能的防止消防队员进入马上会崩溃的房间。”
Chow表示，AI消防的效果与分析和学习的数据量有关。“数据越多，AI提出有用建议的可能性就越大。我们利用复杂的推理来模拟人类的思考方式。这使我们也可以为消防员提供比传统AI系统更有用的信息。”
2018年9月19日，AUDREY项目研究人员与当地消防局人员一起对系统来进行了模拟火灾现场测试。模拟起火建筑的是由现代可燃物组成的特制小屋，配备了复杂的热电偶传感器，先进的热成像和可视成像设备，甚至是耐热的360°相机。
2018年11月美国加州的Camp Fire森林大火共造成85人死亡，249人失踪重大伤亡，18000多栋建筑被毁。一直以来，对森林大火成功预测、及早发现、及早扑救一直是人们努力的目标。
众所周知，预测森林大火是十分艰难的，目前，大多数火灾都是通过911报警电话，商业航班或火警了望站报告的。这种效率不一的报告方式让一些森林火灾在起火后长达数小时、甚至数天内还无法发现。
NASA拍摄的Camp Fire森林大火卫星图像，这场大火共造成85人死亡，249人失踪。
目前，围绕地球轨道运行的两颗NASA卫星每天扫描几乎整个地球，并能发现火灾的热特征。这样的一个过程需要至少三个小时，在此期间内，卫星需要越过华盛顿特区外的太空飞行中心，向下传输数据，并通过超级计算机运行图像。
不过，NASA的一位工程师James MacKinnon表示，AI神经网络可以让这样的一个过程缩短到几分钟。他使用来自世界各地的时间跨度长达一年卫星图像对系统来进行训练，系统对火灾识别的准确率高达98%。
在灾后恢复的信息交流上，社会化媒体也发挥着无法替代的作用。灾害响应AI（AIDR）就是一个用于标记并讨论灾后紧急状况和信息的社交开放平台。AIDR使用机器学习对数百万条关于灾难的推文和Facebook帖子进行分类。
紧急救灾人能向系统输入要查找的关键字列表来训练系统，例如＃Campfire，或“Paradise fire”，或者从中提取社会化媒体信息中的地理区域，系统只需30分钟即可了解灾区情况。
为此，Facebook 研究团队就创建了名为“灾害影响指数(DII) 的指标，可以衡量某地区自然灾害造成的破坏程度，该指数可用来评估火灾造成的损失程度。
为了预测火灾，AI需要更加多类型的实地数据来进行训练。加州的两位高中生正在开发一种工具，可以标记容易遭受森林火灾的干燥林区。
一般来说，对树枝、树叶覆盖物的考察和测量是劳动密集型任务，需要对该区域进行实地勘察。使用传感器和谷歌的TensorFlow机器学习工具，Sanjana Shah和AdityaShah制作了名为“智能山火传感器”的装置，来获取附近树枝和树叶的照片，并估算当前区域内的生物指标、水分含量等数据，以确定存在多少潜在的可燃物，推算出发生火灾的可能性。
他们表示，该装置能够预测在100平方米范围内是否会发生火灾。该项目已入选Google的造福人类AI项目，共享2500万美元的资助。
位于旧金山的公司SilviaTerra做得比这两位高中生更全面，该公司绘制了一份地图，将美国大陆上的森林逐块分析。
该公司最初的客户是木材企业，但是在微软的AI for Earth项目的资助下，SilviaTerra也希望用该地图来对抗森林火灾。SilviaTerra联合发起人马克斯·诺瓦表示，这些地图能自动标出森林火灾发生的高危点，帮助规划人员找出干预的方式和地点。
加州Paradise及其周围地区发生森林火灾的风险示意图。蓝色表示火灾风险较低，红色表示火灾风险较高。
《19个决定性时刻，2030年前，这些黑科技必将发生》返回搜狐，查看更加多
