每年有超過(guò)1.6億人受到洪水，颶風(fēng)，火災(zāi)和其他自然災(zāi)害的威脅。而且情況可能會(huì)變得更糟。

自然災(zāi)害的發(fā)生頻率已經(jīng)是1970年的四倍。據(jù)估計(jì)，在氣候變化的影響下，此類(lèi)事件的頻率和兇猛性可能增加。

人工智能具有通過(guò)更有效，更有效地調(diào)配救濟(jì)資源來(lái)減輕破壞的潛力。它可以加快援助的交付速度，并提高救濟(jì)工作者在一線(xiàn)的決策。

明天的防災(zāi)工作可能與今天的情況大不相同。例如，一旦確定了即將來(lái)臨的颶風(fēng)或颶風(fēng)，就可以使用地理空間，天氣和先前的災(zāi)難數(shù)據(jù)來(lái)預(yù)測(cè)有多少人將離開(kāi)家園，以及他們可能會(huì)流向何處。這些見(jiàn)解可以幫助緊急情況人員確定需要多少援助(水，食物，醫(yī)療)以及將援助發(fā)送到何處。人工智能算法可以根據(jù)衛(wèi)星圖像和天氣預(yù)報(bào)即時(shí)評(píng)估洪水，建筑物和道路損壞，從而使救援人員可以更有效地分配緊急援助，并識(shí)別仍處于危險(xiǎn)之中并與逃生路線(xiàn)隔離的人。

麥肯錫(McKinsey)的高貴情報(bào)(Noble Intelligence)只是試圖利用AI的潛力來(lái)支持人道主義事業(yè)的一項(xiàng)舉措的例子。例如，該團(tuán)隊(duì)正在開(kāi)發(fā)一種算法，它將結(jié)合衛(wèi)星，地理空間，天氣和其他數(shù)據(jù)，將評(píng)估對(duì)學(xué)校等建筑物的破壞所花費(fèi)的時(shí)間從數(shù)周縮短至數(shù)分鐘。然后，可以使用這些信息來(lái)確定搭建臨時(shí)學(xué)校帳篷的最佳位置以及優(yōu)先安排重建工作的位置。

再舉一個(gè)例子，其他組織正在使用AI技術(shù)來(lái)解釋災(zāi)難后的社交媒體供稿。此類(lèi)分析可以通過(guò)標(biāo)記來(lái)自人們沒(méi)有毯子或在街上等外面的避難所的圖像，提供有關(guān)基礎(chǔ)設(shè)施損壞和向受害者提供援助的重要現(xiàn)場(chǎng)信息。

但是，即使許多公共部門(mén)組織和萬(wàn)事達(dá)卡(Mastercard)，微軟(Microsoft)和谷歌(Google)等私有部門(mén)的數(shù)據(jù)參與者為改善救災(zāi)做出了貢獻(xiàn)，但努力的影響仍然受到一些挑戰(zhàn)的阻礙。

一是范圍有限。許多私營(yíng)部門(mén)的倡議涉及一個(gè)或幾個(gè)政府或非政府組織的合作伙伴，并專(zhuān)注于特定的用例，通常與較大的救災(zāi)團(tuán)體相對(duì)隔離，并且未納入已建立的救災(zāi)協(xié)議中。這會(huì)導(dǎo)致工作分散，并可能導(dǎo)致將無(wú)法從AI得出的見(jiàn)解和算法工具提供給無(wú)法維護(hù)或無(wú)法有效地將其納入決策流程的組織。

其次，盡管存在許多可以使救災(zāi)受益的數(shù)據(jù)(衛(wèi)星，地理空間，電信，社交媒體，金融)，但在需要時(shí)并不總是可以訪問(wèn)這些數(shù)據(jù)。更重要的是，數(shù)據(jù)集很少與其他大型數(shù)據(jù)集以及來(lái)自經(jīng)驗(yàn)豐富的操作人員的數(shù)據(jù)結(jié)合使用，從而可以釋放更多的見(jiàn)解。與從大數(shù)據(jù)中獲得的見(jiàn)解相比，這種地面視圖甚至更有價(jià)值，但通常不會(huì)以系統(tǒng)的方式捕獲和分析。

最后，根據(jù)定義，在危及人類(lèi)生命的災(zāi)難情況下，請(qǐng)注意AI的局限性，這一點(diǎn)很重要。數(shù)據(jù)分析并不總是能提供支持者所聲稱(chēng)的內(nèi)容，這使得在沒(méi)有經(jīng)過(guò)嚴(yán)格審查算法方法和假設(shè)的既定流程的情況下評(píng)估此類(lèi)主張具有挑戰(zhàn)性。例如，旨在評(píng)估住宅破壞的AI模型已經(jīng)用于商業(yè)建筑，即使這些建筑依賴(lài)于不同的材料，構(gòu)造方法和法規(guī)。在一個(gè)越來(lái)越多地審查AI道德的世界中，沒(méi)有開(kāi)發(fā)人員和用戶(hù)同意遵守的標(biāo)準(zhǔn)。

在自然災(zāi)害場(chǎng)景中，我們?nèi)绾巫畲蟪潭鹊匕l(fā)揮AI的優(yōu)勢(shì)?有三個(gè)機(jī)會(huì)：

首先，加強(qiáng)當(dāng)前計(jì)劃之間的協(xié)作，將重點(diǎn)放在幾個(gè)合作伙伴之間的特定用例上，整合到以影響為重點(diǎn)的AI驅(qū)動(dòng)的災(zāi)難支持網(wǎng)絡(luò)中。當(dāng)前用于開(kāi)發(fā)算法的注意力應(yīng)至少與盡可能多的能量和資源保持平衡，以確保這些工具廣泛可用并用于救災(zāi)的第一線(xiàn)。在許多情況下，這意味著需要更多的能力建設(shè)。我們也看到了重復(fù)的工作，數(shù)據(jù)科學(xué)界正在研究類(lèi)似的用例，這可以簡(jiǎn)化。一種選擇可能是建立特定領(lǐng)域的合作伙伴關(guān)系或聯(lián)盟，跨行業(yè)或全球機(jī)構(gòu)將協(xié)調(diào)專(zhuān)門(mén)的開(kāi)發(fā)團(tuán)隊(duì)作為一種模式。

其次，在短期內(nèi)，要在不同的機(jī)構(gòu)之間開(kāi)發(fā)更多的基本數(shù)據(jù)捕獲和協(xié)調(diào)工具，而不是將大部分投資都集中在高度先進(jìn)的AI上。這可以為將來(lái)的新救生算法提供信息“燃料”。因此，在這些基礎(chǔ)工具上花費(fèi)等量的開(kāi)發(fā)精力，同時(shí)也正在開(kāi)發(fā)更復(fù)雜的算法，將是有益的。

最后，迫切需要關(guān)于道德AI原則的更多特定于領(lǐng)域的協(xié)議。 包括聯(lián)合國(guó)和歐洲聯(lián)盟在內(nèi)的全球機(jī)構(gòu)已經(jīng)發(fā)起了許多舉措，以制定原則來(lái)指導(dǎo)人工智能的總體使用。但是鑒于范圍廣泛，這可能需要時(shí)間。在此期間，將利益相關(guān)者在諸如災(zāi)難響應(yīng)之類(lèi)的特定領(lǐng)域中更緊密地結(jié)合起來(lái)將很有用。這可能包括設(shè)置算法審查過(guò)程，以確保AI解決方案在廣泛發(fā)布之前符合指定的標(biāo)準(zhǔn)。

人工智能在災(zāi)難抗災(zāi)領(lǐng)域提供幫助的機(jī)會(huì)是巨大的–指導(dǎo)救災(zāi)工作，確保更好的疏散，分發(fā)援助，每年可能幫助數(shù)以?xún)|計(jì)的人，即使不是億萬(wàn)。盡管有一些挑戰(zhàn)需要克服，但通過(guò)適當(dāng)水平的協(xié)調(diào)和伙伴關(guān)系，這個(gè)更光明的未來(lái)可能會(huì)更遙不可及。