人工智能將為災害的預警判斷提供更準確和更快速的幫助。

臺風“利奇馬”過境后，“羅莎”又來了。

臺風“利奇馬”因其破壞程度強、風雨強度大、持續(xù)時間長、覆蓋范圍廣，也被人們稱為“烈馬”。

作為一名有多年豐富經(jīng)驗的智慧城市行業(yè)從業(yè)者，“利奇馬”的肆虐使我陷入了人工智能與自然災害之間關(guān)系的深深思考，繼而聯(lián)想到了“智能城市”。

人工智能與臺風——感知、救援、預防

《地球與行星科學的進展》雜志曾發(fā)表過一篇文章：日本海洋研究機構(gòu)和九州大學的研究小組利用人工智能深度學習技術(shù)，從全球云系統(tǒng)分辨率模型（NICAM）氣候?qū)嶒灁?shù)據(jù)中獲得大量數(shù)據(jù)，從而成功開發(fā)出了“高精度識別熱帶低氣壓征兆云”的方法。該方法可以提前一周預測出臺風的路徑和強度，并預測暴雨的發(fā)生。

眾所周知，大氣的非線性變化極強，所以要做到精準預測是一件非常難的工作。而人工智能不僅可以預測臺風，針對災中救援，災后重建及預防也有很大幫助。

在人工智能問世之前，救援人員通過查看災區(qū)的空中紅外成像來尋找被困人員。但是從無人機上篩選照片和視頻需要耗費大量時間，而且在救援到來之前，被困者有可能已經(jīng)死亡。人工智能可以在不到2小時的時間內(nèi)篩選大量的鏡頭來找到被困的人。

人類在經(jīng)過一次又一次的災難后不斷總結(jié)經(jīng)驗，以便應(yīng)對下次災難，并更好地做出正確的判斷，而人工智能的問世將為我們的判斷提供更準確和更快速的幫助。

舉一個我親身經(jīng)歷人工智能預防的例子，那是我在巴黎出差的一個傍晚，突降暴雨。城市的路面積水不斷增多，巴黎的人工智能輔助系統(tǒng)就啟動了，它根據(jù)城市排水設(shè)計和雨量現(xiàn)狀以及未來降雨的預測，準確地計算出了城市里有可能發(fā)生危險的積水路段，并進行了危險等級劃分。

然后通過城市通訊網(wǎng)絡(luò)，對城市中的所有人員，包括我這個出差去巴黎的中國人，發(fā)送了暴雨和暴雨或?qū)е碌奈ｋU短信，并且信息還提供了地圖影像很直觀地標注了積水路段的詳細信息，如果你要導航去某個地方它還會計算出時間，并自動避開危險路段。

打通數(shù)據(jù)流，讓AI預警更通暢

近年來人工智能技術(shù)的飛速發(fā)展，不僅在臺風預測、救援和預防上做了深度運用，類似的技術(shù)還同樣被應(yīng)用到地震預報、城市洪水預報等與人類生活息息相關(guān)的領(lǐng)域。這些技術(shù)都是服務(wù)于人類的技術(shù)，就必定會從人類最密集的城市中心向四周蔓延。

“智能城市”的核心是數(shù)據(jù)流。是一個個小小的數(shù)據(jù)流疊加在一起形成的。當這些小數(shù)據(jù)流的小邊界被打通，形成一個大邊界，然后這個大邊界和另外一個大邊界再次被打通時，智能城市由此誕生。

而人工智能的災害預警恰恰需要基于大量的城市數(shù)據(jù)基礎(chǔ)上進行分析，因此，我們需要將這些數(shù)據(jù)流打通，讓預測更加精準，更加及時，更加通暢。同時還需要保證這些數(shù)據(jù)流的相對安全。

比如，只有將臺風預警的數(shù)據(jù)與市民的電話通訊數(shù)據(jù)打通才能實現(xiàn)臺風預警信息到個人；與供水供電系統(tǒng)打通才能自動預測出對水電的影響程度……

其實，今年日本海洋研究機構(gòu)和九州大學的研究小組就利用人工智能深度學習技術(shù)，開發(fā)了從全球云系統(tǒng)分辨率模型（NICAM）氣候?qū)嶒灁?shù)據(jù)中高精度識別熱帶低氣壓征兆云的方法。這個臺風預警就是利用以深度學習為代表的人工智能技術(shù)融合數(shù)據(jù)驅(qū)動方法和模型驅(qū)動方法，開展的臺風和颶風等熱帶低氣壓大數(shù)據(jù)分析。

研究小組將全球云系統(tǒng)分辨率模型20年積累的氣候?qū)嶒灁?shù)據(jù)，制成5萬張熱帶低氣壓初始云及演變中的熱帶低氣壓云圖片，再加上100萬張未演變成熱帶低氣壓的低氣壓云圖片，共105萬張圖片組成10組學習數(shù)據(jù)，利用深度卷積神經(jīng)網(wǎng)絡(luò)的機器學習，生成不同特征的10種識別器，然后構(gòu)筑出可對10種識別器結(jié)果進行綜合評價的集合識別器。

利用上這種人工智能，或許可以提前一周預測臺風。而這提前的一周，或許就可以挽救無數(shù)的生命以及大眾的財產(chǎn)。相信在不遠的未來，在人工智能技術(shù)的加持之下，諸如臺風等自然災害可以被及時預測。即便是“利奇馬”來襲，大眾也可以免于恐慌。