自然灾害对人类生命和社会安全构成了重大威胁。传统灾害治理由于管理制度低效、财政投资大和建设周期长等局限面临一系列挑战，需要创造性地借助人工智能技术进行应对。
人工智能技术的应用可以贯穿灾害治理的全过程，具体包括以下三个环节。
第一，灾前预测。由人工智能驱动的系统分析数据集有助于预测洪水、地震和海啸等自然灾害。人工智能系统能够通过查找图像变化，预测地震和海啸等灾害。机器学习和其他人工智能数据方法还可以分析历史事件，从而识别容易遭受灾害冲击的群体或即将发生的灾害。例如，聚类算法会根据严重程度对灾难数据进行分类，可以识别局部风暴和云状况可能导致的飓风灾难。而云技术和众多开源工具的最新进展使得灾害预测分析只需较少的基础设施投资。因此，资源有限的机构也可以在数据科学基础上构建开发复杂的灾难分析模型。人工智能能识别当下的高风险地区和人口，可以根据人口增长、气候变化及其他变量进行灾害预测建模，还可以利用人工智能工具制定政策以减少灾难对社区的影响。在这方面，一些企业经验值得借鉴。美国谷歌公司正在建立一个人工智能平台，用以预测印度的洪水，并通过谷歌地图和谷歌搜索警示用户。英国邓迪大学研究人员则通过推特与其他移动应用程序收集人群数据用以监视城市洪水。美国国际商业机器公司（IBM）正在开发的人工智能系统“沃森”（Watson）将使用地震传感器和地质数据预测火山爆发，旨在借此预测地震爆发的地点与强度，进而帮助降低活火山及周边地区的生命损失。
第二，灾中应急。灾害发生后的前72小时，即“黄金72小时”至关重要，应急管理团队必须相互协调、迅速行动，寻找幸存者，从而将灾害损失降到最低。人工智能可为灾中应急响应提供技术基础，运用无人机与卫星图像、物联网基础设施数据、社交媒体数据和在线热图等，有效帮助救援团队确定紧急需求及响应优先顺序，以免浪费精力。根据卫星图像和天气预报，人工智能还可以即时评估洪水、建筑物和道路损坏情况，帮助救援人员更有效作出应急决策和调配救济资源。机器人、传感器或无人机能够提供有关景观和受损建筑物的准确信息，有助于救援人员迅速确定破坏程度，从而制定针对性行动计划，救援工作会更省时、更安全、更协调。无人飞行器（UAV）捕获的航空图像尤其在应急响应中发挥越来越重要的作用，能在数小时内捕获并处理航空图像，及时发现困在废墟中的受害者，让救援人员迅速找到他们。在灾难期间，还会有一些可行信息来自社交媒体用户。人工智能可以分析和验证社交媒体实时图像和评论信息的真伪，从而缩短救援人员寻找受害者所需的时间；还可以查看社交媒体图片和视频等非结构化数据，用以查找失踪人员。聊天机器人可以通过社交媒体与受害者或附近民众进行互动，并要求他们上传信息，从而实时评估损坏情况，并确定应急行动的优先顺序。
2015年9月，智利遭受了8.3级大地震袭击，在人工智能应急响应系统的帮助下，救援人员迅速作出反应，使得数千人得以及时撤离危险区。在地震发生后的几分钟内，灾难警报声响彻了整个受灾地区，同时该地区的移动电话发出了可能发生次生灾害海啸的警告信息。
第三，灾后恢复。灾难后恢复（PDR）是一个复杂、持久、资源密集但仍知之较少的过程，它不限于物理重建（物理恢复），还包括经济和社会重建（功能恢复）等过程。人工智能的使用创新了灾后恢复策略，使得灾后重建速度与效率得到了大大提高。就灾后预测而言，人工智能（如深度神经网络）可以预测灾害发生后的潜在结果及预测灾害何时恢复正常，甚至比一些IT专业人员更能有效分析数据并作出更有针对性的重建决策。因此，人工智能系统可帮助确定灾后威胁，即原生灾害引发的次生灾害、衍生形成的复合型灾害，进而创建强大的灾难恢复计划，以应对后危机时代的灾害治理挑战。就灾后恢复计划而言，人工智能通过对灾难场景进行建模、测试与识别灾区弱点和痛点，进而提出以投资较少的恢复措施帮助治理者制定更好的灾后恢复计划。就灾后恢复过程而言，人工智能使灾难恢复过程实现自动化，自动控制灾后恢复计划的各个部分。它不仅有助于防止发生过的问题再次出现，而且能够自动执行与主动恢复，从而促使灾难恢复更快与更有效。就后危机学习而言，人工智能可以有效吸取重要的经验教训。用于灾后恢复的人工智能系统配备了机器学习系统，系统在获取巨量信息后可以创建有效的灾后学习机制，进而从每个事件中进行总结学习，避免类似灾害发生。
热门跟贴