持續(xù)了5個小時的大火，將擁有850年歷史的巴黎圣母院付之一炬。在這個全人類為之惋惜的時刻，我們同樣也無法忘記：

始建于1284年的元代護國寺曾經(jīng)多次為火災(zāi)所困擾；2010年清華大學(xué)的百年老學(xué)堂被一場大火燒毀；2014年蘇格蘭格拉斯哥藝術(shù)學(xué)院及無數(shù)藝術(shù)珍品被燒毀；2017年，位于四川的亞洲第一高木塔靈關(guān)樓因大殿火災(zāi)而終遭焚毀；2018年，巴西國家博物館2000萬藏品陷入火海，其中包括巴西最古老的人類化石……

而那些暫時幸免于難的古建筑群們，也并不能高枕無憂，而是常年活在對火災(zāi)的忐忑之中。巴西博物館被燒光后，我國就迅速組織了一次全國范圍內(nèi)的博物館和文物建筑消防安全大檢查。巴黎圣母院失火的消息剛剛傳出，故宮就緊急召開了防火動員會議；而預(yù)防性保護現(xiàn)存最高全木建筑應(yīng)縣木塔的呼吁更是得到了廣泛關(guān)注與聲援。

火災(zāi)對重要文化建筑的威脅，常年如幽靈一般盤旋在人類文明的頭頂。之所以每一場大火都讓人們無比惋惜并憂心忡忡，一方面是代價太大，火災(zāi)對于人類建筑藝術(shù)文化帶來的傷害幾乎是毀滅性的、無法修復(fù)的；另外，許多古建筑往往有著特殊的結(jié)構(gòu)工藝與材料，讓很多現(xiàn)代消防措施顯得有點無力。

比如火災(zāi)救援中經(jīng)常使用的高壓水槍和泡沫滅火器，就有可能對傳統(tǒng)建筑中脆弱的木結(jié)構(gòu)部位造成二次傷害；一些建筑的地理位置和周邊基礎(chǔ)建設(shè)比較古老，消防車等大型救火設(shè)施無法大規(guī)模進場等等。

在這場人類與“火龍”的文明保衛(wèi)戰(zhàn)中，前人已經(jīng)總結(jié)和探索出了不少方法論，比如智能消防栓、自動報警系統(tǒng)等等。那么，當(dāng)技術(shù)的接力棒交到AI手里，它能做到更多嗎？答案必須是肯定的。

AI挑戰(zhàn)火災(zāi)，有哪些核心戰(zhàn)斗力？

以AI為代表的前沿科技，正在火災(zāi)救援任務(wù)上被寄予厚望。之所以能當(dāng)大任，可能要歸結(jié)于AI的三個核心戰(zhàn)斗力：

1．深度學(xué)習(xí)＋智能數(shù)據(jù)終端的結(jié)合，來預(yù)測和確定火災(zāi)風(fēng)險以及事故發(fā)生的具體情況，從源頭控制火情；

2．智慧城市的云端調(diào)度，能夠快速制定救災(zāi)方案，幫助消防隊伍及相關(guān)物資高效進場，為救援工作爭取時間；

3．智能機器人等可以完成一些人類和傳統(tǒng)器材無法實現(xiàn)的任務(wù)，比如前往耐熱性。

當(dāng)然，這么籠統(tǒng)的概括可能還是有點模糊。畢竟重點建筑的防火工程，是一個包含了預(yù)防、救災(zāi)、修復(fù)重建等等的龐大綜合體系，期間還可能遇到各種各樣的特殊困難。

為了更充分地讓大家系統(tǒng)性了解AI在重要建筑火災(zāi)救援中起到的具體作用和潛在價值，我們試圖通過幾個重點場景來還原一下，AI技術(shù)集群在火災(zāi)中如何綜合做功的。

場景一：火情預(yù)防

對于像巴黎圣母院、應(yīng)縣木塔、故宮這樣古老的建筑物而言，預(yù)防是第一位的。但是依靠人工來定期巡檢，受復(fù)雜結(jié)構(gòu)和規(guī)模的影響，又很難保證及時發(fā)現(xiàn)火情。
所以，通過云端網(wǎng)絡(luò)＋智能IoT“軟硬件”協(xié)同預(yù)防火災(zāi)的技術(shù)解決方案，就顯得很必要了。

先說硬件。不少團隊已經(jīng)開始嘗試，將帶有無線傳感器的IoT設(shè)備布置到一些薄弱位置。這些設(shè)備會實時監(jiān)測數(shù)據(jù)并上傳到云端，一旦出現(xiàn)異常會直接觸動報警機制。當(dāng)然，，設(shè)備還帶有自動報修功能，以保證長期全時段穩(wěn)定可用。

針對一些非易燃物引發(fā)的火情，比如線路打火或用電設(shè)備使用等較為隱蔽的火災(zāi)風(fēng)險，“電流指紋識別”技術(shù)就可以及時地判斷出來。其背后的工作原理有點像人臉識別，通過對“電流特征數(shù)據(jù)”進行提取，并判斷出相關(guān)電路設(shè)備的工作狀態(tài)是否存在異常，從而實現(xiàn)風(fēng)險預(yù)警。

大家可能已經(jīng)發(fā)現(xiàn)了，IoT智能消防設(shè)備都只是作為數(shù)據(jù)終端存在，具體的處理效果，還是要靠云端平臺及算法來保障。

智慧消防云平臺的整體架構(gòu)，大致分為三層：

第一層：設(shè)備感知層，也就是剛才我們提到的包括煙感、溫感、電感、智能攝像頭等等各類傳感設(shè)備。這方面的應(yīng)用已經(jīng)比較成熟，比如2014年華為就已經(jīng)在消防栓監(jiān)測、煙霧探測等領(lǐng)域?qū)嵺`窄帶物聯(lián)網(wǎng)技術(shù)了。BAT也聯(lián)合不少省市政府展開合作，部署城市消防傳感器和邊緣計算網(wǎng)關(guān)。

第二層：云端 PaaS 層。傳感器收集的數(shù)據(jù)都被匯總到云端進行處理，AI的預(yù)測能力也在這里發(fā)揮作用。但客觀來說，目前還沒有有效探測火災(zāi)位置及潛在風(fēng)險的成熟算法。

一方面是由于偶發(fā)事件支撐的數(shù)據(jù)規(guī)模不足，系統(tǒng)無法得到充分的訓(xùn)練；另外則是包括終端IoT及地球同步運行環(huán)境衛(wèi)星（GOES）等傳回的數(shù)據(jù)有著一定的時延，比如數(shù)分鐘才能提供高分辨率的圖像，大大降低了預(yù)測的時效性。而且算法的準確性也不敢恭維，加州大學(xué)戴維斯分校的研究人員設(shè)計出了火災(zāi)探測方法，有些檢測到的卻是后院的篝火和燒烤。

目前來看，想要靠神經(jīng)網(wǎng)絡(luò)＋深度學(xué)習(xí)來預(yù)測火災(zāi)，可能達到一定的準確率需要還數(shù)年之久。

第三層：應(yīng)用SaaS層。云端預(yù)測結(jié)果最后將通過 APP、web等應(yīng)用平臺呈現(xiàn)給專業(yè)人士，并完成防火監(jiān)測預(yù)警、消防物資管控等業(yè)務(wù)工作。

盡管我們很想對重大災(zāi)害“防患于未然”，但對于歷史數(shù)據(jù)不夠豐富的火災(zāi)，AI算法似乎還是有些束手無策。但硬件端的智能升級，顯然對于防災(zāi)救災(zāi)有著極為重要的現(xiàn)實意義與可行性。