用AI預(yù)測地震、洪水、颶風(fēng)和火山噴發(fā) 現(xiàn)在已經(jīng)成為了可能

最近，約旦死海周圍地區(qū)發(fā)生了自然災(zāi)害，該區(qū)域被洪水淹沒，造成21名正在學(xué)校上課的兒童死亡，還有35人受傷。這些災(zāi)難每年給數(shù)百萬人造成了影響，造成價值數(shù)千億美元的財產(chǎn)損失。僅2017年，就有近335起自然災(zāi)害發(fā)生，對9560多萬人造成影響，其中造成9697人死亡，累計損失大約3350億美元。

但是如果我們能夠預(yù)測自然災(zāi)害的發(fā)生，這些自然災(zāi)害造成的負(fù)面影響就可以大幅減少。目前人工智能驅(qū)動的系統(tǒng)已經(jīng)可以用來預(yù)測股票的價格，而這已經(jīng)涉及到對眾多變量的分析。同樣，研究人員已經(jīng)正在利用人工智能技術(shù)來準(zhǔn)確預(yù)測自然災(zāi)害的發(fā)生。如果能夠成功預(yù)測自然災(zāi)害的發(fā)生，我們就可以拯救成千上萬的生命，并采取有針對性的措施減少造成的財產(chǎn)損失。

利用人工智能預(yù)測自然災(zāi)害

人工智能一直在客戶服務(wù)、貿(mào)易和醫(yī)療保健等領(lǐng)域給人類提供幫助。而現(xiàn)在，研究人員發(fā)現(xiàn)人工智能技術(shù)還可以用來預(yù)測自然災(zāi)害。人工智能擁有大量高質(zhì)量的數(shù)據(jù)集，可以預(yù)測許多自然災(zāi)害的發(fā)生，這可能會對成千上萬人的生死造成影響。

目前人工智能可以預(yù)測的自然災(zāi)害包括：

地震

目前研究人員正在收集大量的地震數(shù)據(jù)，以便利用其深度學(xué)習(xí)系統(tǒng)對其數(shù)據(jù)進(jìn)行分析。人工智能可以利用地震數(shù)據(jù)來分析地震的震級和模式，而這樣的數(shù)據(jù)對預(yù)測地震的發(fā)生是有很大好處的。例如谷歌和哈佛大學(xué)正在開發(fā)一種能夠預(yù)測地震極其余震的人工智能系統(tǒng)?？茖W(xué)家們研究了13.1萬多次地震和余震的數(shù)據(jù)，建立了一個神經(jīng)網(wǎng)絡(luò)。研究人員對3萬個類似事件進(jìn)行了神經(jīng)網(wǎng)絡(luò)測試，與傳統(tǒng)方法相比，該系統(tǒng)更精確地預(yù)測余震的位置。

同樣，許多研究人員也在開發(fā)自己預(yù)測地震和余震的應(yīng)用模型。在未來，我們就有可能實現(xiàn)提前預(yù)測地震，然后政府和相關(guān)部門就可以提前開始相應(yīng)的疏散行動。目前，日本已近開始利用衛(wèi)星分析地球圖像來預(yù)測自然災(zāi)害。同時基于人工智能的系統(tǒng)會在大量的圖像中尋找變化規(guī)律，一次來預(yù)測地震和海嘯等災(zāi)難發(fā)生的風(fēng)險。此外，這些人工智能系統(tǒng)還可以用來監(jiān)視老化的基礎(chǔ)設(shè)施。人工智能系統(tǒng)可以檢測地殼結(jié)構(gòu)的變形，還可以用來減少建筑物和橋梁倒塌或道路下沉所造成的破壞。

洪水

谷歌目前正在建立一個人工智能平臺來預(yù)測印度的洪水，并通過谷歌地圖和谷歌搜索來警告用戶。人工智能系統(tǒng)的訓(xùn)練數(shù)據(jù)是在降雨記錄和洪水模擬的幫助下收集的。同樣，研究人員正在開發(fā)基于人工智能的系統(tǒng)，該系統(tǒng)可以從降雨和氣候記錄中學(xué)習(xí)，并通過洪水模擬進(jìn)行測試，這種模擬要比傳統(tǒng)的系統(tǒng)更好更準(zhǔn)確的預(yù)測洪水。此外，人工智能還可以用來監(jiān)測城市洪水。英國鄧迪大學(xué)的研究人員正試圖通過Twitter和其他移動應(yīng)用程序收集來自人群的數(shù)據(jù)，來監(jiān)測城市洪水。這些數(shù)據(jù)包含圖像和關(guān)于某個地點和情況的具體信息，以此來被人工智能技術(shù)識別。這樣的系統(tǒng)可以用來監(jiān)測和預(yù)測洪水造成的破壞以及其他方法。同樣，基于人工智能和深度學(xué)習(xí)的應(yīng)用程序?qū)?zāi)害管理也能起到很大的幫助作用。

火山噴發(fā)

一直以來，研究人員都在努力尋找能夠有效預(yù)測火山爆發(fā)等自然災(zāi)害的方法。但是現(xiàn)在，科學(xué)家們已經(jīng)開始訓(xùn)練使用人工智能識別來自火山中噴發(fā)出的微小火山灰顆粒。通過對火山灰顆粒形狀的分析可以用來確定火山的類型。而這樣的技術(shù)可以幫助預(yù)測火山爆發(fā)，減輕火山爆發(fā)災(zāi)害對周圍環(huán)境產(chǎn)生的影響。

IBM公司正在開發(fā)沃森人工智能系統(tǒng)，它能利用地震傳感器和地質(zhì)數(shù)據(jù)來預(yù)測火山爆發(fā)情況。IBM的目標(biāo)是在沃森的幫助下預(yù)測火山爆發(fā)的位置和強(qiáng)度，而這樣的應(yīng)用可以幫助防止在活火山周圍地區(qū)由于噴發(fā)造成的生命和財產(chǎn)損失。

颶風(fēng)

通過媒體的報道，我們看到每年都會因颶風(fēng)而造成數(shù)百萬美元的財產(chǎn)損失。因此，氣象部門正在尋找更好的技術(shù)來預(yù)測颶風(fēng)和氣旋等自然災(zāi)害現(xiàn)象，并跟蹤它們的路徑和強(qiáng)度。現(xiàn)在有了更有效的預(yù)測技術(shù)，相關(guān)部門可以以此挽救更多的生命，進(jìn)一步減少財產(chǎn)損失。

最近，美國宇航局和Development Seed利用衛(wèi)星圖像和機(jī)器學(xué)習(xí)技術(shù)來追蹤哈維颶風(fēng)。事實證明，這種方法比常規(guī)的技術(shù)效果好6倍，因為新方法可以讓颶風(fēng)每小時被追蹤一次，而傳統(tǒng)方法只能每6小時跟蹤一次。因此，技術(shù)的發(fā)展有助于監(jiān)測颶風(fēng)和預(yù)測颶風(fēng)的路徑，從而有助于減輕災(zāi)害損失。

但人工智能也有局限性

盡管人工智能已經(jīng)足夠先進(jìn)，可以在各種應(yīng)用場景中發(fā)揮作用，但人工智能的局限性阻礙了該技術(shù)在現(xiàn)實生活中的進(jìn)一步應(yīng)用。人工智能的局限性之一就是它雖然可以在操作的數(shù)量和速度上與人類競爭，但不能在預(yù)測的質(zhì)量上與人類相比并論。在很多情況下，人工智能都會犯錯，因為人工智能輸入系統(tǒng)的數(shù)據(jù)是由人類收集的，而這就有天生造成缺陷的可能。因此，人工智能產(chǎn)生的結(jié)果可能是不準(zhǔn)確的。此外，看看以前人工智能技術(shù)的使用趨勢，我們都過于依賴人工智能技術(shù)。因此，如果人工智能犯了錯誤，我們?nèi)匀粫嘈畔到y(tǒng)并采取相應(yīng)的行動。例如，如果預(yù)測余震系統(tǒng)在預(yù)測余震的位置時出錯，會有很多人因此失去生命。也就是說，研究人員仍需進(jìn)行多項大量的測試，提高這種技術(shù)的可靠性，并適合進(jìn)一步實際應(yīng)用。

人工智能的另一個問題是，這些數(shù)據(jù)是基于過去發(fā)生的自然災(zāi)害而記錄。因此，人工智能應(yīng)用程序無法處理洪水和地震等自然災(zāi)害的變化趨勢和震級。而且在目前的人工智能應(yīng)用中，沒有辦法展示氣候變化對自然災(zāi)害的影響。由于人工智能是使用過去發(fā)生的記錄來進(jìn)行訓(xùn)練，因此系統(tǒng)無法分析氣候變化的影響。因此，人工智能很難預(yù)測受氣候變化影響的各種自然災(zāi)害所帶來的長期影響趨勢。

開發(fā)部署人工智能相關(guān)的路線圖

人工智能和機(jī)器學(xué)習(xí)等現(xiàn)代技術(shù)的引入一定助于預(yù)測自然災(zāi)害的發(fā)生。但是，在實際場景中部署人工智能之前，必須解決該技術(shù)的局限性。因此研究人員需要專注于解決人工智能存在的問題。

為了成功部署人工智能技術(shù)，政府部門需要一種可以簡化采用過程的路線圖，而能夠有效被采用和應(yīng)用的路線圖包括以下步驟：

雇傭有經(jīng)驗的研究人員和與人工智能合作過的技術(shù)專家；

為訓(xùn)練AI驅(qū)動的應(yīng)用程序收集良好的質(zhì)量數(shù)據(jù)；

招募能夠幫助制定采納策略的專業(yè)技術(shù)人員；

對政府人員進(jìn)行人工智能教育及培訓(xùn)；

采用人工智能技術(shù)來預(yù)測自然災(zāi)害將拯救數(shù)百萬人的生命。此外，人工智能系統(tǒng)分析的數(shù)據(jù)集將有助于了解洪水、地震和海嘯等自然災(zāi)害的規(guī)模和模式，有助于更好地規(guī)劃易發(fā)災(zāi)害地區(qū)的基礎(chǔ)設(shè)施。因此，政府機(jī)構(gòu)需要部署人工智能來預(yù)測自然災(zāi)害，并準(zhǔn)確監(jiān)測它們，以確保公民的安全。