マイクロソフト、Azure、AI技術がカリフォルニアの山火事リスク対策に貢献

マイクロソフトはAIを活用した山火事検知技術に投資しており、CVP兼チーフデータサイエンティストのフアン・ラビスタ・フェレス氏が、環境被害を軽減するための戦略について語っている。

NASAによると、気候変動は地球上のすべての人々に影響を及ぼしており、気温の上昇、降雨パターンの変化、海面上昇といった形で現れている。

NASAは、地球がかつてない速度で温暖化しており、その主な要因は人間の活動であるという明白な証拠があると述べている。

地球の気温が上昇するにつれ、山火事がもたらす脅威はますます高まっています。

米国では、気温の上昇、長期化する干ばつ、開発の拡大により、地域社会や生態系へのリスクが高まっています。

昨年、全米で約7万8,000件の山火事が報告され、前年比で20％の増加となった。

歴史的に火災が森林、草原、沿岸の景観を形作ってきたカリフォルニア州では、地域社会が気候変動の影響とどのように共存していくかを管理することが、ますます重要な課題となっています。

科学者、消防士、そしてマイクロソフトの「AI for Good Lab」は、AIを活用して山火事を早期に検知し、緊急対応チームにより多くの対応時間を確保しています。

私たちは、この技術を世界中で利用できるようにすることを目指しています。

マイクロソフトの「AI for Good Lab」副社長兼チーフデータサイエンティスト、フアン・ラビスタ・フェレス。

マイクロソフトは、AIを活用した山火事検知技術の進展に向け500万ドルを拠出し、時間的制約の厳しい環境モニタリングにおいて機械学習を導入する新たなアプローチを示す、リアルタイムのコンピュータビジョンシステムの拡充を支援しています。

テクノロジーが山火事の拡大防止にどのように役立つか

大規模なコンピュータビジョン

何十年もの間、山火事の検知は、道路や見張り所、あるいは近隣のコミュニティから煙を目視で確認し、緊急サービスに通報する人間の手頼みでした。

カリフォルニア大学サンディエゴ校で設立された「ALERTCalifornia」は、州内の山火事多発地域に約1,300台のカメラを配置したネットワークを通じて、この手法を変革しています。

このシステムは、カメラのライブ映像を継続的に監視し、AI を使用して煙の兆候を特定します。

異なるカメラの画角を比較して火災の位置を特定し、数分以内に緊急対応チームに警報を送信します。

運用開始から最初の2か月間で、このネットワークは他の経路を通じて通報される前に77件の火災を検知した。

現在、このシステムは1日700万枚以上の画像を処理し、最初の911通報の最大2.5時間前に山火事を特定しています。

このAIモデルは、雲や霧、時間帯や季節による照明条件の変化といった環境ノイズから、真の山火事の兆候を区別しなければなりません。

この分類の難しさは、密林から草原、沿岸地域に至るまで、監視対象となる景観が多様であることによってさらに複雑になっています。

地球物理学者であり、ALERTCaliforniaの創設者であるニール・ドリスコル博士は次のように述べています。「データは、単に景観がどのように見えるかを明らかにするだけではありません。

ALERTCaliforniaの創設者であり、地球物理学者であるニール・ドリスコル博士。提供：Microsoft経由のエミリー・チェン

「このデータは、景観が時間の経過とともにどのように変化するかを理解するのに役立ちます。」

このプロジェクトの運用データによると、従来の方法よりも 2.5 時間早く火災を検知できていることから、このモデルの感度閾値は、許容可能な精度を維持しつつ、初期段階の煙を識別できるように調整されていることがわかります。

実運用におけるモデルの性能

このシステムの導入は、重要な検知シナリオで稼働するAIシステムにおける実用上の考慮事項を浮き彫りにしている。

1日700万枚の画像を処理するには、大規模かつ継続的な推論を処理できるインフラストラクチャが必要ですが、マイクロソフトが提供した500万ドルの支援のうち、Azureの助成金部分が、この計算ニーズに対応する可能性があります。

Earth.Orgによる山火事に関する事実

• 山火事が発生するには、乾燥した植生（燃料）、酸素が豊富な空気、熱源という3つの主要な条件が必要です。強風は延焼を加速させる可能性があります。
• 落雷は自然発生的な山火事の引き金となる：落雷は主要な自然発火源であり、温度が高く、持続時間の長い落雷ほど火災を引き起こす可能性が高くなる。2014年の研究によると、気温が1°C上昇すると落雷の頻度が12％増加する可能性があることが判明した。
• 米国の山火事の80％以上は人為的な原因によるものです。監視のないキャンプファイヤー、タバコ、バーベキュー、花火などの活動が、米国の山火事の約84％を占めています。
• 山火事は広範囲にわたる大気汚染を引き起こす：煙には、長距離を移動し、肺の奥深くまで入り込み、呼吸器系や心血管系の健康リスクを高めるガスや微細粒子が含まれている。
• 気候変動により山火事の発生シーズンが長期化している：気温の上昇、干ばつ、降雨量の減少により、乾燥して燃えやすい植物が増えている。米国では、かつて4ヶ月間だった山火事の発生シーズンが、現在では6～8ヶ月、あるいはそれ以上に及ぶようになっている。
• 山火事は気候の悪循環を生み出しています：大規模な火災は、炭素を貯蔵する植生を破壊しながら大量の温室効果ガスを放出するため、さらなる温暖化を招き、将来の山火事の発生確率と強度を高めています。

2023年、このシステムの検知能力により、米国カーン郡で発生した「トロッター火災」は52エーカーで封じ込められました。予測によれば、AIによる介入がなければ、火災面積は4,000エーカー近くに達していた可能性があります。

こうした実世界の成果は、標準的な精度指標を超えたモデルの影響を評価するための事例研究を提供しています。

2019年に米国ソノマ郡で発生した「キンケイド火災」の際、この技術が18万人以上の住民の避難を支援し、死者を一人も出さなかったことは、早期警報システムが緊急対応プロトコルにどのような影響を与えるかを示しています。

「最初の5分間で重要な情報を得ることができます」と、カーン郡消防局副局長兼ALERTCaliforniaの運用副ディレクターであるザカリー・ウェルズ氏は述べています。

ザカリー・ウェルズ氏、カーン郡消防局副局長兼ALERTCalifornia運用担当副局長。写真提供：エミリー・ジェン

「その初期段階での把握が、その後のあらゆる行動の指針となるのです。」

展開の拡張性と適応性

マイクロソフトの資金提供構造は、技術開発のための200万ドルとAzure助成金300万ドルで構成されており、モデルの強化と計算インフラの両方に対する優先順位を示している。

「この技術を世界中の人々が利用できるようにしたい」と、マイクロソフトのAI for Good Labで副社長兼チーフデータサイエンティストを務めるフアン・ラビスタ・フェレス氏は述べる。

マイクロソフトの副社長兼チーフデータサイエンティスト、フアン・ラビスタ・フェレス氏

このアプローチをカリフォルニア州以外にも拡大するには、モデルの汎化や転移学習に関する技術的な課題がある。

山火事のリスクは地域によって大きく異なるため、システムは現地の地形、植生、気象条件、および緊急対応体制を考慮に入れる必要があります。

主にカリフォルニア州のデータで学習されたモデルは、植生タイプ、地形、気候パターンが異なる地域に展開する際、微調整や再学習が必要になる可能性があります。

また、このプロジェクトでは、初期検知にとどまらず、約98,000平方マイルに及ぶLiDARデータを組み込んで詳細なデジタル地形モデルを作成する機能も開発しています。

地形マッピング、森林の健全性モニタリング、火災後のリスク評価へのこの拡張は、より広範なデータパイプラインアーキテクチャを示唆している。

煙検知のためのコンピュータビジョンとLiDARから得られた環境データを組み合わせることで、マルチタスク学習アプローチが可能になり、システム全体の知能を向上させ、基盤となるインフラストラクチャやデータセットにさらなる活用事例をもたらします。

AIを活用した画像処理が山火事の検知を加速

国連による気候に関する基本データ

• 1970年以降、地球の地表温度の上昇率は、少なくとも過去2,000年間における他のどの50年間よりも速くなっています。
• 現在、地球の気温は産業革命以前（1850～1900年）に比べて約1.42°C高くなっています。
• 2024年は観測史上最も暖かい年となり、全球平均地表付近の気温は産業革命前の基準値より1.55°C高かった。
• 2015年から2024年にかけては、観測史上最も暖かい10年間となった。
• 気温の上昇は、わずか数分の1度であっても重大な意味を持ちます。地球温暖化がさらに進むごとに、極端な気象現象やリスクの変化は増大します。
• 二酸化炭素（CO2）は大気中に、人類の歴史上かつてない速さで蓄積しており、わずか20年間で10％以上も増加しています。

Microsoft AI for Good Labのプロジェクト

オーロラ予測：マイクロソフトの「オーロラ予測（Aurora Forecasting）」プロジェクトは、13億パラメータを有するAI基盤モデルを用いて大気データを分析し、天気および気候の予測精度を向上させています。このモデルは、天気予報、大気質モデリング、異常気象分析などのアプリケーションをサポートしており、AIが複雑な環境データセットを処理することで、大気状況への理解を深め、レジリエンス計画の策定を支援できることを実証しています。

地理空間機械学習：マイクロソフトの「AI for Good Lab」は、大学、自然保護機関、NGO、およびトルコ内務省災害・緊急事態管理局と連携し、地理空間データ、衛星画像、航空写真を機械学習と組み合わせています。 プロジェクトには、地震による建物の被害評価、氷河および土地被覆のマッピング、養鶏場のマッピング、再生可能エネルギーのモニタリングなどが含まれ、災害対応、自然保護、人道支援、環境計画を支援しています。

氷河のマッピング：マイクロソフトの「AI for Good Lab」は、機械学習と衛星画像を活用し、ヒンドゥークシュ・ヒマラヤ地域における氷河のマッピングと生態系モニタリングを支援しています。 このプロジェクトでは、清浄な氷で構成される氷河と、岩屑に覆われた氷河の両方を特定・輪郭を描き出すとともに、ウェブツールを通じて専門家がモデルの予測結果を確認・修正できるようにしています。このアプローチは、マッピングを加速させ、気候変動の影響を受ける氷河生態系への理解を深めることを目的としています。

再生可能エネルギーのマッピング：マイクロソフトの「再生可能エネルギー・マッピング」プロジェクトは、地理空間機械学習を活用し、大規模な再生可能エネルギー開発のマッピングとモニタリングを行っています。 この技術により、組織は再生可能エネルギーインフラがどこで開発されているかを把握し、広範囲にわたる変化を追跡できるようになります。AIと地理空間情報を組み合わせることで、このプロジェクトは、機械学習が再生可能エネルギーの計画をどのように支援し、よりクリーンなエネルギーへの移行を監視するためのデータを提供できるかを実証しています。

生物音響学：マイクロソフトの「AI for Good Lab」は、自然保護団体や研究機関と協力し、機械学習や深層学習を大量の野生生物の音声データに応用しています。 プロジェクトには、フンボルト研究所と提携してアマゾン地域における生物種の同定にバイオアコースティクスを活用する「プロジェクト・グアカマヤ」が含まれます。その他の取り組みとしては、シロイルカのモニタリングや、鳥類および両生類の鳴き声の自動分類があり、生物多様性の研究と保全を推進しています。

生物多様性調査の加速：マイクロソフトの「AI for Good Lab」、マイクロソフト・リサーチ、および「Microsoft AI for Earth」は、NOAA漁業局、Sieve Analytics、LILA BCと連携し、機械学習を活用した生物多様性調査の加速に取り組んでいます。 これらのプロジェクトでは、カメラトラップ、航空カメラ、マイクから得られた画像や音声を分析し、手作業によるアノテーションの負担を軽減しています。この取り組みは、自然保護活動家に対し野生生物の個体数データをより迅速に提供し、生息地の保護、インフラ整備、密猟対策に関する意思決定を支援することを目的としています。

土地被覆マッピング：マイクロソフトの土地被覆マッピング事業では、コンピュータビジョンを活用して、リモートセンシングデータを土地利用および土地被覆情報に変換しています。 このアプローチにより、環境科学者や地理空間アナリストが地域の手動マッピングに費やす時間が短縮され、分析や意思決定により多くの時間を割けるようになります。マッピングプロセスの一部を自動化することで、マイクロソフトは環境モニタリングを支援し、組織が大規模な地理空間データセットを扱うのを助けています。