降低损失挽救生命,用人工智能对抗自然灾害

简介: 人们长久以来一直将称之视为纯粹突发的极端事件。但实际上,成千上万条微妙且缓慢推进的线索,早已指明了自然灾害发生的可能性与严重程度。

image.png
根据国家环境信息中心公布的数据,截至2022年7月,总计九起气候灾害事件已经造成超过10亿美元经济损失。据报道,伊恩飓风已造成100多人死亡和高达470亿美元的保险损失,这可能是佛罗里达州历史上危害最大的风暴灾情。

自2022年6月以来,巴基斯坦的洪水也已造成1678人死亡,冲毁大量村庄和基础设施,令340万儿童面临水源性疾病、溺水和营养不良风险。此外,飓风菲奥娜则在波多黎各造成9万民众断电。

随着全球自然灾害变得愈发普遍和危险,人工智能(AI)等技术的应用也许有望预防并缓解相关破坏。

根据IBM Master Inventor、联合国首席AI顾问、AI for Good全球峰会联合创始人Neil Sahota的介绍,人们长久以来一直将称之视为纯粹突发的极端事件。但实际上,成千上万条微妙且缓慢推进的线索,早已指明了自然灾害发生的可能性与严重程度。

Sahota解释道,“作为人类,我们对那些快速爆发的直接威胁非常敏感,但却不擅长认识那些缓慢推进的长期威胁。值得庆幸的是,AI的出现让我们拥有了能够预测自然灾害、并采取预防及缓解措施的强大工具。”

Sahota以野火为例,介绍了AI如何实时处理大量数据,并在不同变量之间找出微妙的联系。Sahota表示,“我们以往更倾向于通过气候条件、灌木丛分布、其他潜在燃料的数量以及该地区的地形来评估火灾风险。但随着AI野火工具的出现,我们得以将更多变量纳入进来,特别是点燃因素。”

Sahota指出,结合矿业公司的研究数据来看,雷击可能才是野火的主要来源。但我们要如何评估这类具有极大随机性的事件?

“人类面对此类问题时可能会束手无策,但AI却能够更容易地预测雷暴的可能发生位置、雷暴击中地面的可能性,以及起火风险较高的「热点」。这样,我们就能查验更多火源,例如静电、热表面甚至是摩擦,借此评估野火的威胁。”

Sahota认为,AI完全可以确定潜在灾害的连锁反应或间接影响,甚至据此预防下一场自然灾害的降临。

“让我们以沿海浸渍为例。以往我们大多使用海平面等关键指标,但近期美国东南部出现了不寻常的状况——几乎从未受到莱姆病侵袭的区域,竟然爆发了这种疾病。”

Sahota和同事们在研究这个问题时,发现引发该疾病的蜱虫开始由海岸线迁移至更远的内陆。“沿海环境发生的微妙变化对蜱虫来说可能是一场剧变,因此引发了大规模迁徙。”

“利用这条线索再配合人工智能,科学家们得以更好地了解单一事件如何影响整个生态系统。现在,我们开始用AI技术研究海洋生物、洋流甚至是海洋温度,借此找到能够指示洪水灾害的微妙线索。”

从灾害预测到救援资源优化,再到灾害根源分析,AI已经在检测和筹备极端天气及其他灾害方面发挥积极作用。兰开斯特大学的团队就建立起一套灾害测绘与损害检测系统,帮助救援队在工作当中对不同区域进行优先级排序。该平台使用众包标记数据,借现场志愿者之手获取道路阻塞、泛洪区域及受损建筑物等信息。

Sahota表示,“将混合智能,即人类与人工智能的结合,飓风伊恩的影响确实得到了一定控制。”
“AI的长处,是能够将数千条气候数据实时纳入考量,帮助我们更好地预测从热带风暴到飓风、再弱化回热带风暴、之后重新增强为飓风的整个转变过程。如此一来,我们就能为卡罗来纳州和佛罗里达州这些风暴受灾大州设计灾备预案。”

Sahota还提出了AI的其他几种重要应用方向。“使用AI技术,我们能够提早分析飓风的行动轨迹,抢在其袭来之前部署医疗资源、食物和水。利用AI的高效沟通能力,我们还有望加快撤离速度、减少伤亡人数。”

“在明确了可能受到灾害破坏的区域之后,我们还能考虑如何部署资源,怎样更快恢复水、电力和食品供应等基础服务。”

IFS North America公司CTO Rick Veague指出,AI预测还将成为灾后恢复工作中的重要支持力量。

Veague解释道,“AI最大的价值所在,就是它能够一次消化多个信息源,计算各种可能结果的发生概率,并根据不同原因提出建议——全程无需人为干预。除了预测之外,AI还能根据当前观察到的数据进行预测优化,确保基于AI的决策流程产生出更好的结果。”

Veague强调,“自然灾害带来的后果往往混乱无序,市政服务陷入瘫痪、交通基础设施遭到破坏。而凭借卫星、航拍和街道摄像头收集到的地理空间信息,以及气象/过往历史数据和手机信号,AI能够绘制出灾区情势图,找到最需要提供援助物资的人口中心,高效组织响应策略。”

凭借着强大的信息量,AI能够精准定位援助需求量,并确定应采取哪些最佳途径实现援助物资交付。

“以飓风伊恩为例,在灾后恢复工作开始时,食品、水和燃料的供应量非常有限。因此找到高效物资交付方式不仅能够缩短响应周期,还能保障灾民最大利益、快速建立信心。这种依托于广泛信息源获取大量数据,并在几秒钟内精确得出结论的能力,是人类根本无法企及的。”

Veague最后总结道,“随着这个十年来自然灾害发生频率的持续提升,相信AI技术将在帮助人类有效应对灾害方面扮演起不可或缺的角色。”

相关文章
|
2月前
|
机器学习/深度学习 人工智能 监控
AI与未来医疗:重塑健康产业的双刃剑随着科技的迅猛发展,人工智能(AI)正以前所未有的速度融入各行各业,其中医疗领域作为关系到人类生命健康的重要行业,自然也成为AI应用的焦点之一。本文将探讨AI在未来医疗中的潜力与挑战,分析其对健康产业可能带来的革命性变化。
在医疗领域,人工智能不仅仅是一种技术革新,更是一场关乎生死存亡的革命。从诊断到治疗,从后台数据分析到前端临床应用,AI正在全方位地改变传统医疗模式。然而,任何技术的发展都有其两面性,AI也不例外。本文通过深入分析,揭示AI在医疗领域的巨大潜力及其潜在风险,帮助读者更好地理解这一前沿技术对未来健康产业的影响。
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能AI风口已开:如何赋予UI设计与视频剪辑新生命
AI正深刻影响UI设计和视频剪辑行业。在UI设计中,AI提供智能辅助设计,跨模态生成和个性化定制,帮助设计师提高效率,创新设计。AI分析趋势和用户行为,生成设计方案,支持语音和文本输入,增强设计的多样性和个性化体验。在视频剪辑领域,AI实现智能素材管理,自动化剪辑处理和特效生成,提升剪辑质量和速度。通过Adobe国际认证,设计师和剪辑师可以系统学习并掌握这些AI技术,提升职业竞争力,共同开创行业新未来。
|
机器学习/深度学习 人工智能 文字识别
LabVIEW图形化的AI视觉开发平台(非NI Vision),大幅降低人工智能开发门槛
提供近百个应用程序范例的LabVIEW视觉工具包,包括物体分类、物体检测、物体测量、图像分割、 人脸识别、自然场景下OCR等多种实用场景
248 0
LabVIEW图形化的AI视觉开发平台(非NI Vision),大幅降低人工智能开发门槛
|
机器学习/深度学习 人工智能 移动开发
人工智能领域:面试常见问题超全(深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习)
人工智能领域:面试常见问题超全(深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习)
|
机器学习/深度学习 人工智能 文字识别
LabVIEW开放神经网络交互工具包【ONNX】,大幅降低人工智能开发门槛,实现飞速推理
图形化编程,无需掌握文本编程基础即可完成机器视觉项目;支持Caffe2, PyTorch, MXNet,ML.NET,TensorRT 和 Microsoft CNTK等多种框架模型的调用并实现推理;支持Nvidia GPU、Intel等多种加速;集成了onnxRuntime加速推理引擎,实现CUDA,TensorRT加速
245 0
|
机器学习/深度学习 人工智能 安全
人工智能公平技术对于挽救生命具有重大意义
弗吉尼亚理工大学计算机科学教授Daphne Yao希望提高机器学习模型在医疗应用中的预测精度。不准确的
127 0
人工智能公平技术对于挽救生命具有重大意义
|
机器学习/深度学习 传感器 人工智能
人工智能和区块链如何对抗疫情
预警系统需要迅速识别病毒的起点,然而,跟踪过程很慢,需要多种策略来实现。每天都有成吨的食物跨越地理边界,所以追踪感染源在物流上很困难,也很耗时。通过区块链,分析师可以追踪货币交易,追溯到被感染动物被出售的市场,并辨别病毒最初传播的地点和来源。
203 0
人工智能和区块链如何对抗疫情
|
人工智能 编解码 安全
AGI:走向通用人工智能的【生命学&哲学&科学】第二篇——思维、生命科学、客观世界
AGI:走向通用人工智能的【生命学&哲学&科学】第二篇——思维、生命科学、客观世界
AGI:走向通用人工智能的【生命学&哲学&科学】第二篇——思维、生命科学、客观世界
|
人工智能 自然语言处理 监控
利用人工智能和自动化降低合规性成本的五种方法
人工智能和智能自动化流程,例如机器人流程自动化(RPA)和自然语言处理(NLP)可以帮助提高效率并降低成本,以满足合规性。
利用人工智能和自动化降低合规性成本的五种方法
|
机器学习/深度学习 人工智能 分布式计算
阿里云推出机器学习平台PAI 2.0,降低人工智能门槛与开发成本
2017 年 3 月 29 日,阿里云首席科学家周靖人博士在 2017 云栖大会•深圳峰会上重磅推出升级版的机器学习平台 PAI 2.0,可以大幅度降低人工智能门槛以及开发成本。
519 0
阿里云推出机器学习平台PAI 2.0,降低人工智能门槛与开发成本