机器学习可以帮助决策者回答诸如“何时?”、“有多糟糕?”、“有多少人处于危险之中?”等诸多问题。
飓风多里安在巴哈马造成了严重破坏。亚马逊森林大火肆虐。今年夏天,美国加州南部发生了7.1级地震和余震。印度喀拉拉邦遭受了近一个世纪以来最大的洪水。
很明显,世界各地的自然灾害正在造成越来越多的破坏,而且未来可能还会发生更多的破坏性事件。但是,我们如何保护自己免受不可避免的灾难呢?
答案在于我们要有能力更好地预测、规划和应对自然灾害。能够分析大量数据的新技术是非常有前途的工具,可以帮助社区领导人和应急管理人员做出更明智的决策。这些技术是从机器学习领域发展起来的,可以补充和加强现有的灾害应对计划。
机器学习技术可以帮助决策者更准确地回答紧急问题,比如:灾难什么时候发生?它的破坏性有多大?哪些地区将受到最严重的打击,有多少人在这些地区生活和工作?哪些建筑最容易受到攻击?会不会停电?如果会,在哪里停电?需要什么设备和资源,需要多长时间?救灾工作将花费多少?等等。
简而言之,机器学习让计算机模仿人类学习分析过去灾难的大量数据,从而对当前和未来的类似事件产生新的见解。训练计算机去“思考”、处理信息并发展出远超人脑计算能力的洞察力。
机器学习可以利用过去灾难的大量数据。事实上,它已经被用于改善灾害应对。例如,一些公用事业公司正在使用俄亥俄州立大学的史蒂文·奎林(Steven Quiring)开发的机器学习工具,来预测飓风和其他恶劣天气事件造成的电力中断。公用事业公司报告说,机器学习提供了关键信息,帮助他们改善了决策。
在另一个例子中,一家初创公司开发了一个交叉灾害平台,使用基于工程和机器学习的模型,向社区领导人和应急管理人员提供信息,以增强长期抗灾能力和短期灾害响应能力。另一家非营利初创公司正在使用数据分析和地图技术,将灾难受害者与急救人员和志愿者组织联系起来。
此外,机器学习技术也有局限性。他们只能处理和分析输入电脑的信息。例如,如果一个特大灾难的数据不是数据集的一部分,那么机器学习技术很可能无法对未来的类似事件做出准确的预测。机器学习的预测伴随着不确定性,决策者很难完全理解这种不确定性。
必须强调,机器学习绝不能取代人类的决策,它只是补充了专家判断和传统的灾害应对方法。这与机器学习在其他领域(如自动驾驶汽车)的应用有着关键的区别,在自动驾驶汽车领域,该技术寻求至少在一定程度上取代人类决策。机器学习不能也不应该取代传统的灾难应对方法。鉴于情况的复杂性和严重性,人类专家的判断是绝对关键的。
很多人对机器学习持怀疑态度。他们担心这门未经证实的科学,没有足够的数据来预测未来的事件。但这些只是谬见。机器学习如果使用正确,并基于与未来情况相关的可靠数据,在许多行业中都得到了证明。即使在自然灾害领域,也有大量的数据可以用于不同的事件和情况。
随着洪水、地震和野火在未来造成越来越多的破坏,机器学习应该成为灾害应对计划的重要组成部分。如果不使用它,我们就剥夺了应急管理人员在关键时刻改善决策的重要工具。
联系客服