به گزارش گروه علم و آموزش ایرنا از پایگاه خبری «ساینس دیلی»، در آتش‌نشانی بدترین شعله‌ها آنهایی هستند که آمدنشان را نمی‌بینید. در آشوب آتش ساختمان، پی بردن به نشانه‌های اشتعال ناگهانی مواد قابل انفجار دشوار است. این حوادث یکی از علت‌های اصلی کشته شدن ماموران آتش‌نشانی است. اما تحقیقات جدید حاکی است که هوش مصنوعی می‌تواند در این زمینه یاری برساند.
پژوهشگران در موسسه ملی استاندارد و فناوری ، دانشگاه پلی‌تکنیک هنگ‌کنگ و سایر موسسات موفق شده‌اند یک مدل برای پیش‌بینی اشتعالات ناگهانی در حوادث آتش‌سوزی موسوم به «فلاش‌نت» (FlashNet) ابداع کنند.
مدل فلاش‌نت دقتی در حد ۹۲ درصد در بیش از ۱۰ مورد آتش‌سوزی در آمریکا از خود نشان داده و برتر از سایر برنامه‌های مبتنی بر هوش مصنوعی برای پیش‌بینی اشتعال عمل کرده است.
این اشتعالات ناگهانی در دمای ۶۰۰ درجه سانتی‌گراد روی می‌دهند و دما را بیشتر بالا می‌برند.
این پژوهشگران برای فائق آمدن بر مشکلات و کاستی‌های برنامه‌های قبلی و بهبود کار در شرایط آتش‌سوزی واقعی، رویکرد خود را با نوعی از یادگیری ماشینی مبتنی بر نمودارها و خطوط موسوم به شبکه‌های عصبی گرافیکی (GNN) بهبود دادند.
محققان می‌گویند شبکه‌های عصبی گرافیکی معمولا برای تخمین زمان رسیدن در ترافیک با تحلیل ۱۰ تا ۵۰ جاده متفاوت استفاده می‌شود. اما در این پروژه بجای بررسی راه‌ها و جاده‌ها ، اتاق‌ها (در ساختمان محل آتش سوزی) بررسی می‌شوند.
این محققان بطور دیجیتالی بیش از ۴۱ هزار آتش‌سوزی را در ۱۷ نوع ساختمان شبیه‌سازی کردند و عوامل متعددی را در نظر گرفتند. دقت کار این مدل طراحی شده در این موارد به میزان داده‌های ارائه شده بستگی داشته است. با این حال دقت آن ۹۲.۱ درصد بوده و ۳۰ ثانیه زمان واکنش برای آتش‌نشان‌ها فراهم کرده است.
این محققان در مرحله بعدی قصد دارند این مدل را بجای داده‌های شبیه‌سازی شده در شرایط واقعی به کار بگیرند و آزمایش کنند.