AI viděla požár 20 minut před prvním voláním o pomoc

Nedaleko Fresna v Kalifornii začal hořet kus krajiny. První člověk, který si toho všiml a zavolal na tísňovou linku, to udělal o dvacet minut později než kamera na kopci. Těch dvacet minut rozhodlo o tom, že o tomhle požáru nikdy nikdo nenapsal — protože zůstal malý.

Příběh popsal v srpnu 2026 pořad PBS News Hour v reportáži o tom, jak americké hasičské sbory nasazují umělou inteligenci k detekci lesních požárů. A není to okrajová kuriozita: rok 2026 je podle amerických dat jedním z nejhorších požárních roků za posledních deset let — víc požárů i víc spálených hektarů než v kterémkoli roce předchozí dekády. Evropa přitom prochází nejhorší požárovou sezónou v novodobé historii.

1 200 kamer, které nespí

Kalifornský systém se jmenuje ALERTCalifornia a provozuje ho Kalifornská univerzita v San Diegu ve spolupráci s hasičským sborem CAL FIRE. Tvoří ho více než 1 200 kamer rozmístěných na vysílačích a hřebenech v rizikových a odlehlých oblastech. Na obraz z nich běží nepřetržitě AI model, který dělá jedinou, ale velmi konkrétní věc: rozhoduje, jestli to, co vidí, je kouř, nebo není kouř. V noci se přepíná na tepelné signatury — teplé versus studené.

Čísla, která k systému uvádí CAL FIRE, jsou pozoruhodná:

• zhruba 3 600 požárů systém zachytil za dvanáct měsíců,
• více než polovinu z nich dřív, než někdo zavolal na tísňovou linku,
• cílem CAL FIRE je zlikvidovat 95 % požárů do rozlohy 10 akrů (asi 4 hektary) — a systém k tomu podle nich přímo přispívá.

Šéf CAL FIRE Phillip SeLegue to v reportáži shrnul větou, která je vlastně tou nejlepší reklamou na dobře nasazenou AI: požáry, které systém pomohl zachytit, jsou ty, o kterých se nepíše v novinách. Úspěch je tady definovaný absencí zprávy.

Člověk zůstal v rozhodovací smyčce

Detail, který se v nadšených titulcích snadno ztratí: AI nikoho neposílá k zásahu sama. Když model něco označí, snímek si prohlédne lidský analytik a teprve on během několika minut vyrozumí hasiče. Stejně to funguje u sanfranciského startupu Pano AI, který má podle svého spoluzakladatele Arvinda Satyama rozmístěno přes 1 400 kamer v 17 amerických státech.

Je to učebnicový příklad rozdělení rolí. AI dělá to, co člověk dělat nedokáže — kouká se na tisíc obrazů dvacet čtyři hodin denně bez únavy a bez nudy. Člověk dělá to, co nedokáže AI — nese odpovědnost za rozhodnutí, které stojí peníze a někdy životy. Brendan Finnegan, zástupce velitele hasičů z okolí Denveru, na otázku, jestli je to „nice-to-have, nebo must-have“, odpověděl bez váhání: dnes už je to nutnost.

A shora přibyly satelity

V červenci 2026 vzlétla z kalifornského pobřeží raketa s misí Transporter 17 a vynesla první tři satelity projektu FireSat. Plán počítá s flotilou 50 satelitů, jejichž jediným úkolem bude detekovat nové požáry kdekoli na Zemi do 20 minut od vzniku — a to i požár velikosti ohníčku na pláži.

Vzniká tak dvouvrstvá architektura, kterou by leckterý firemní architekt poznal: satelity dávají globální, ale hrubší pokrytí, pozemní kamery dávají lokální detail a přesnou lokaci. Ani jedna vrstva sama o sobě nestačí.

Proč tenhle příběh stojí za pozornost i mimo hasičinu

Na kalifornských kamerách je zajímavé hlavně to, jak nudně je AI použitá. Žádný univerzální model, který „vyřeší požáry“. Jedna otázka: kouř / ne-kouř. Jasně definovaný výstup: upozornění analytikovi. Měřitelný výsledek: kolik detekcí přišlo dřív než tísňové volání.

To je přesně opačný postup, než jakým firmy s AI obvykle začínají — obecným nadšením bez definice, co se má vlastně zlepšit a jak to poznáme. Přenositelné poučení má tři body:

1. Zúžit úlohu na binární rozhodnutí. Čím užší otázka, tím spolehlivější model a tím snazší kontrola.
2. Nechat člověka potvrzovat tam, kde chyba něco stojí. Rychlost se získává v detekci, ne ve zrušení kontroly.
3. Definovat metriku předem. „O kolik minut dřív“ je metrika. „Zefektivnit procesy“ není.

Pokud přemýšlíte, kde by takhle úzce definovaná AI dávala smysl u vás, nemusíte začínat velkým projektem. V AI poradenství Praxio to s vámi projdeme krok za krokem — od jedné konkrétní úlohy a metriky, na které se pozná, jestli to funguje. Řekneme vám i to, co nechcete slyšet, když se ukáže, že AI není správná odpověď. Úvodní konzultace je nezávazná. Kde na tom vaše firma zhruba stojí, napoví i AI Kompas.

Otazníky, které to nechává otevřené

Nebylo by férové skončit u nadšení. Stejná technologie — AI kamery s automatickou analýzou obrazu — vyvolává jinde silný odpor. Ve stejném týdnu, kdy vyšly citované reportáže, oznámil Texas zmrazení státního financování AI dohledových kamer kvůli obavám o soukromí. Rozdíl je v tom, na co se kamera dívá: kalifornské kamery míří na hřebeny a lesy, ne na registrační značky. Hranice mezi „detekcí kouře“ a „sledováním lidí“ je technicky tenká a udržet ji je otázka pravidel, ne technologie.

Časté otázky

Jak AI pozná požár dřív než člověk?

Nepozná ho „lépe“, pozná ho dřív, protože se dívá nepřetržitě. Model analyzuje obraz z kamery v reálném čase a klasifikuje ho na kouř / ne-kouř, v noci pracuje s tepelnými signaturami. Člověk musí být zrovna venku, dívat se správným směrem a rozhodnout se zavolat.

Rozhoduje AI sama o výjezdu hasičů?

Ne. U ALERTCalifornia i u Pano AI platí, že detekci nejprve potvrdí lidský analytik a ten teprve alarmuje hasičské sbory. AI zkracuje čas do detekce, nenahrazuje odpovědnost za zásah.

Funguje něco podobného i v Evropě?

Evropa v roce 2026 prochází mimořádně těžkou požárovou sezónou a systémy včasné detekce se testují i zde; satelitní projekt FireSat je navíc navržený s globálním pokrytím, takže se nevztahuje jen na USA. Nasazení v jednotlivých zemích se ale liší a plošná síť srovnatelná s kalifornskou v Evropě zatím nefunguje.

Zdroje: PBS News Hour — How satellites and AI cameras are detecting wildfires (4. 8. 2026), Security Today — AI Camera Network Boosts Early California Wildfire Detection (23. 6. 2026), Security Today — Texas Halts State Funding for AI Surveillance Cameras (1. 9. 2026).