Si chiamano Aditya Shah e Sanjana Shah, non sono parenti ma un ragazzo e una ragazza che frequentano la Monta Vista High School, in California. Entrambi appassionati di ambiente e foreste, hanno deciso di unire le proprie capacità e mettere a punto lo Smart Wildfire Sensor, uno strumento di prevenzione degli incendi che utilizza le capacità di TensorFlow, lo strumento di machine learning open source realizzato da Google.
Utilizzato per creare una rete interconnessa, lo Smart Wildfire Sensor elimina la necessità di avere squadre di prevenzione in giro per la foresta a raccogliere campioni di combustibili morti e classificarli manualmente.
Attualmente i sensori disponibili sul mercato consentono già di valutare correttamente molti dei parametri decisivi in un incendio, come velocità e direzione del vento, umidità e temperatura. Il difficile era invece valutare lo stato della biomassa, ossia quell'insieme di rami caduti e foglie depositati al suolo che, a seconda del proprio grado di umidità, possono funzionare da propagatori degli incendi, motivo per cui appunto è definita anche combustibile morto.
Se infatti il livello di umidità della biomassa in una certa zona è prossimo allo 0% e gli altri parametri sono adatti, un incendio si svilupperebbe e si diffonderebbe in brevissimo tempo, mentre se la concentrazione di umidità è elevata sarà di ostacolo alla propagazione, perché la maggior parte dell'energia sarà impiegata per asciugare la biomassa e far evaporare l'umidità.
Grazie alla collaborazione col corpo dei vigili del fuoco della California, i due ragazzi hanno potuto raccogliere un elevato numero di fotografie della biomassa, con cui addestrare TensorFlow a riconoscerne e valutarne correttamente lo stato. Il risultato è che adesso il sistema di sensori è in grado di identificare correttamente le aree a rischio con una precisione elevata (parliamo di 100 metri quadri), favorendo così gli interventi preventivi mirati nelle aree a rischio individuate. Il prossimo passo è catturare ancora più immagini tramite l'uso di droni terrestri e volanti, in modo da aumentare ulteriormente la capacità predittiva del sistema.