提升灾害应对效率,日本政府欲利用 AI 共用防灾资讯
时间:2020-07-12 出处:H超生活
众所周知,日本是一个包括地震在内的各种自然灾害频发的地区,而如何减少损失,提高救灾效率一直是日本想积极解决的问题。据共同社近日报导,日本政府正着手打造发生严重灾害时,用人工智慧辨识和整理现场灾害对策总部收集的受灾报告及支援要求等资讯的机制。此举旨在从涌入的大量资讯中挑拣优先度高的,进而反映到对策。报
提升灾害应对效率,日本政府欲利用 AI 共用防灾资讯

众所周知,日本是一个包括地震在内的各种自然灾害频发的地区,而如何减少损失,提高救灾效率一直是日本想积极解决的问题。

据共同社近日报导,日本政府正着手打造发生严重灾害时,用人工智慧辨识和整理现场灾害对策总部收集的受灾报告及支援要求等资讯的机制。此举旨在从涌入的大量资讯中挑拣优先度高的,进而反映到对策。

报导称,这是力图达成相关机构共用防灾资讯及资料库化的一环,包括运用人造卫星提供资讯及透过推特收集资讯等方案。

日本政府之所以会参考人工智慧技术,可以料想的是人工智慧具备强大的高等级资讯处理能力,可最快速度算出最佳方案,有助于减少灾害会带来的破坏。

由于刚发生灾害时大量资讯透过电话涌入,资讯整理和共用成为重要课题。目前,处理灾害较普遍的方法是接听电话的总部人员在白板写上收到讯息,这不可避免会遗漏一些重要资讯。但运用 AI 语音辨识等技术,根据关键词判断优先程度,按每个疏散地和地区整理,可使对策总部人员能简单共用资讯,迅速应对灾害。

日本曾多次提出使用 AI 帮助救灾的构想。2017 年 11 月,日本总务省官员就表示,政府打算与一些企业合作,借助「大数据」技术预测自然灾害,及早将预警和疏散等资讯传送给地方政府和居民。

一种方式是把现有气象纪录等资料与民众在网路发表的消息结合,分析特定地区出现灾害的可能性,增强防灾资讯的準确性。例如,把降水量、河流水位等资讯与 Twitter、Facebook 消息结合,或许能及早发现一些尚处于早期阶段的灾害并预测发生地点。

将大数据纳入电子地图管理

日本政府曾表示,要利用 AI 系统处理气象的相关资讯和资料,进而让灾难发生 10 分钟之内传出第一手数据。目前,该系统还在不断改进,研究人员尽可能多搜集资料,并将这些相关资料汇入系统,提高系统处理资讯的準确性,使它能正确决策。

之后的预警资讯将传送给受灾地区政府,再经由电台、电视台和手机网路传递给民众。一旦发生地震或海啸,智慧手机用户还可藉手机定位功能,接收疏散路线和交通状况等自订资讯。比如,根据不同的灾区地点,给予最佳营救路线及方式,并根据各受灾区情况、伤员严重程度、人数多少,提供最适合的医疗机构点,以及最适合的医疗运输方式。

此报导也指出,日本政府正在推动灾害时利用大量储存手机位置资讯的「大数据」,并与 AI 整理的资讯一併纳入电子地图等方式统一管理。透过掌握整体情况,提供帮助给决策人员。

不光是日本政府,世界银行也在上个月与 WeRobotics 和 OpenAerialMap 合作发起一项新的开放性人工智慧挑战,旨从全球开放研究社群测试新的 AI 应用,可快速、高弹性地即时评估灾区航拍影像,为紧急部门人员调动和规画提供帮助,尤其在重大自然灾害如地震、海啸、风暴潮等发生后的关键性几小时、几天内提供资讯。

一家叫 One Concern 的公司也在研发人工智慧快速预测地震重灾区、获得抢救最佳时机的产品,希望地震发生后几分钟内,就能快速预测城镇受地震破坏最强的地区为何。人工智慧领域专家吴恩达曾推荐过该产品。

根据相关报导,为了研发演算法模型,One Concern 下载了某个地区与建筑有关的楼龄、类别、建筑材料等有关资料,然后需要训练一套能理解地震如何损坏建筑物的模型。透过将这些知识和地震发生后的地震资料结合,研发的系统可高效预测建筑物对冲击波的反应。

最后 AI 系统评估灾害之后,就会生成一张灾害地图,地图中,建筑物损坏最严重的街道和受灾人数最多的区域都会重点标注。由此可帮助救灾组织快速做出重要决策,如物资配置、首要救灾地区定位、疏散路径等。

此外,IBM 的人工智慧 Watson 也曾在 2015 年尝试预测地震、火山,专家还建立了一个用于预测地震的数学模型。由于地震观测点很多,需要储存和处理的资料就更多,不过可借助 IBM 的超级电脑和数学模型,快速处理不规则资料,所以对能否準确预测地震或许还可期待。

对于 AI 帮助救灾,东京技术研究所智慧系统工程客座教授 Yasuhiro Kanatani 表示,「个性化技术,例如 AI 系统下关于灾害损失的预计和最佳化,都已开始使用了。从现在开始,很有必要将科技和灾害现场资讯,以及公开资讯连起来,更使用于实际情况。」

不过需要注意的是,这是一项浩大工程,尤其初期技术使用方面及 AI 处理受灾资讯的可信度,都有诸多挑战。



上一篇: 下一篇: