Un factor común ante el que se enfrentan los bomberos, sea cual sea su nivel de preparación y experiencia, es la impredictibilidad de la evolución de un incendio.
Con la ayuda de un sistema de inteligencia artificial, se diseñó un mecanismo de detección de puntos peligrosos en los que podría descontrolar más el fuego. De esta forma, se ayudaría a focalizar el combate en las zonas más críticas, que en muchas veces no se logran vislumbrar oportunamente en medio de todo aquel caos.
P-Flash, inteligencia artificial de asistencia para bomberos
Investigadores del Instituto Nacional de Estándares y Tecnología estadounidense, en colaboración con la Universidad Politécnica de Hong Kong, desarrollaron un modelo de predicción y advertencia de flashovers, etiqueta bajo la que denominan a la presencia de materiales inflamables en una habitación, que se encienden casi simultáneamente, provocando un incendio de mayores proporciones.
Ante esta clase de incendios, se pueden realizar ciertas observaciones que pueden ayudar al diseño de una mejor estrategia. La evolución de la intensidad del calor o dirección de las llamas más visibles son parte de estos elementos clave, los cuales usualmente pasan a un segundo plano si la emergencia requiere del rescate de víctimas o si las condiciones del momento obstaculizan el trabajo a nivel de visibilidad y desplazamiento.
P-Flash, la herramienta presentada como recurso para estas situaciones, genera predicciones que se basan en los datos de temperatura de los detectores de calor de un edificio. El aporte de su IA se materializa en la extensión de funcionamiento de los mismos una vez que comienzan a fallar, triangulando información con los dispositivos restantes aún no afectados.
Para diseñar este recurso de asistencia para bomberos, el equipo de investigación ejecutó un programa de simulación de incendios, para generar un conjunto de datos sintéticos y una memoria bidireccional a corto plazo capaz de aprender las complejas relaciones entre las señales de temperatura y las condiciones de un flashover.
En total, el equipo ejecutó 5.041 simulaciones, variando con diversos elementos como la escala de los incendios, las condiciones de ventilación (principalmente a través de puertas y ventanas) y distintos tipos de estructuras inmuebles.
De todos los ensayos generados, tras un proceso de constantes afinaciones, sólo 504 simulaciones se integraron de manera definitiva al motor de IA de P-Flash. Esta muestra más acotada, filtrada tras el proceso de ensayo y error, garantiza una mayor eficiencia de funcionamiento de este mecanismo.
De acuerdo a los resultados compartidos por el equipo tras esta iniciativa, P-Flash predijo correctamente los flashovers con un minuto de anticipación en aproximadamente el 86% de los incendios simulados. Los mejores resultados se obtuvieron en espacios abiertos. Con peores condiciones de ventilación, el trabajo de esta herramienta se obstaculiza. Sin embargo, estas cifras son reflejo de proyecciones prometedoras para esta tecnología, que continúa bajo desarrollo.
El reporte de este desarrollo fue publicado en la revista Proceedings of the AAAI Conference on Artificial Intelligence.