智能算法可以利用地震数据和建筑物的结构知识判断出一个城市哪个部分受损风险最大并优化救援工作。
从何处开始?(Image: Daniel Berehulak/New York Times/Eyevine)
智能算法可以利用地震数据和建筑物的结构知识判断出一个城市哪个部分受损风险最大并优化救援工作。
地震发生时,紧急响应需要尽可能迅速的部署优先救援的地区。在这个问题上,人工智能有用武之地吗？Ahmad Wani 认为这是可行的,他已经着手该研究并且取得了初步成果---- One Concern，该产品可以在地震发生的几分钟之内，预测出受损最严重的地区 「我觉得该产品能够拯救生命。」加州圣马特奥县(坐落于圣安德烈斯断层之上)应急委员会的 Ray Mueller谈道，「它能够帮助你识别地震发生后受损最严重的地区，从而部署优先救援的地区。」
One Concern首先收集了城市中每一个建筑物的资料，包括年龄、类型和建筑材料。然后使用算法训练One Concern，使得它学会地震对建筑物的破坏方式。结合一次地震的数据之后，Wani表示该系统可以有效地预测地震冲击波对建筑物的损害程度。
一旦该人工智能系统做出评估,便会绘制一幅地震损害图:建筑物受损最严重的街道和受损人群最多的地区将被突出显示. 「我们知道每个街区的人口，」Wani说。「我们将街区的人口和损害程度相乘得到响应优先级。去到有100个孩子的学校将更有意义。」
目前圣马特奥的应急委员会正在试用One Concern，评估它针对小型地震的反应效果。多年来，人们一直关注着地处圣安地列斯和海沃德断层危险地带的房屋的抵抗力。政府掌握着洛杉矶1500座旧建筑的名单，这些建筑物被认为是脆弱的。 该地区的另两个县均表示有兴趣测试此软件。Mueller表示，最终救援人员可以使用该系统模拟仿真地震培训员工。
其他一些人工智能系统在某些建筑物数据获取不足的欠发达地区也得到了应用。例如，4月的尼泊尔地震中，一个来自英国ORCHID项目的人工智能研究机构参与了改变地面救援小组行动的进程。 在一个案例中，网上的志愿者查看经过软件预先扫描的受损区域的卫星图片，判断是否为居住点。志愿者们把认为有房子出现的卫星图片设置为高优先级，人工智能系统判断是否和它的结果一致。某些特定的区域由专业团队仔细查看和标记。 2个先前不为所知的村庄被识别出来，当地居民得以获得救援。
「智能系统初步确定了包含那2个村庄的大区域，然后志愿者做了交叉检验。」Rescue Global（与ORCHID 相关的一个慈善组织）的首席执行官David Jones谈道。 这个插曲展示了如何最好的利用人工智能技术——把它作为人类可以操控的发布工具。
「我认为真正重要的是救援人员在紧急情况下如何迅速更新反应，而人工智能可以做到这一点。」伦敦大学风险与减灾研究所的Peter Sammonds 说。
