如何利用人工智能應(yīng)對(duì)臺(tái)風(fēng)

人工智能將為災(zāi)害的預(yù)警判斷提供更準(zhǔn)確和更快速的幫助。

臺(tái)風(fēng)“利奇馬”過(guò)境后，“羅莎”又來(lái)了。

臺(tái)風(fēng)“利奇馬”因其破壞程度強(qiáng)、風(fēng)雨強(qiáng)度大、持續(xù)時(shí)間長(zhǎng)、覆蓋范圍廣，也被人們稱(chēng)為“烈馬”。

作為一名有多年豐富經(jīng)驗(yàn)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(zāi)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(tái)風(fēng)——感知、救援、預(yù)防

《地球與行星科學(xué)的進(jìn)展》雜志曾發(fā)表過(guò)一篇文章：日本海洋研究機(jī)構(gòu)和九州大學(xué)的研究小組利用人工智能深度學(xué)習(xí)技術(shù)，從全球云系統(tǒng)分辨率模型（NICAM）氣候?qū)嶒?yàn)數(shù)據(jù)中獲得大量數(shù)據(jù)，從而成功開(kāi)發(fā)出了“高精度識(shí)別熱帶低氣壓征兆云”的方法。該方法可以提前一周預(yù)測(cè)出臺(tái)風(fēng)的路徑和強(qiáng)度，并預(yù)測(cè)暴雨的發(fā)生。

眾所周知，大氣的非線(xiàn)性變化極強(qiáng)，所以要做到精準(zhǔn)預(yù)測(cè)是一件非常難的工作。而人工智能不僅可以預(yù)測(cè)臺(tái)風(fēng)，針對(duì)災(zāi)中救援，災(zāi)后重建及預(yù)防也有很大幫助。

在人工智能問(wèn)世之前，救援人員通過(guò)查看災(zāi)區(qū)的空中紅外成像來(lái)尋找被困人員。但是從無(wú)人機(jī)上篩選照片和視頻需要耗費(fèi)大量時(shí)間，而且在救援到來(lái)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(shí)的時(shí)間內(nèi)篩選大量的鏡頭來(lái)找到被困的人。

人類(lèi)在經(jīng)過(guò)一次又一次的災(zāi)難后不斷總結(jié)經(jīng)驗(yàn)，以便應(yīng)對(duì)下次災(zāi)難，并更好地做出正確的判斷，而人工智能的問(wèn)世將為我們的判斷提供更準(zhǔn)確和更快速的幫助。

舉一個(gè)我親身經(jīng)歷人工智能預(yù)防的例子，那是我在巴黎出差的一個(gè)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(dòng)了，它根據(jù)城市排水設(shè)計(jì)和雨量現(xiàn)狀以及未來(lái)降雨的預(yù)測(cè)，準(zhǔn)確地計(jì)算出了城市里有可能發(fā)生危險(xiǎn)的積水路段，并進(jìn)行了危險(xiǎn)等級(jí)劃分。

然后通過(guò)城市通訊網(wǎng)絡(luò)，對(duì)城市中的所有人員，包括我這個(gè)出差去巴黎的中國(guó)人，發(fā)送了暴雨和暴雨或?qū)?dǎo)致的危險(xiǎn)短信，并且信息還提供了地圖影像很直觀地標(biāo)注了積水路段的詳細(xì)信息，如果你要導(dǎo)航去某個(gè)地方它還會(huì)計(jì)算出時(shí)間，并自動(dòng)避開(kāi)危險(xiǎn)路段。

打通數(shù)據(jù)流，讓AI預(yù)警更通暢

近年來(lái)人工智能技術(shù)的飛速發(fā)展，不僅在臺(tái)風(fēng)預(yù)測(cè)、救援和預(yù)防上做了深度運(yùn)用，類(lèi)似的技術(shù)還同樣被應(yīng)用到地震預(yù)報(bào)、城市洪水預(yù)報(bào)等與人類(lèi)生活息息相關(guān)的領(lǐng)域。這些技術(shù)都是服務(wù)于人類(lèi)的技術(shù)，就必定會(huì)從人類(lèi)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(gè)個(gè)小小的數(shù)據(jù)流疊加在一起形成的。當(dāng)這些小數(shù)據(jù)流的小邊界被打通，形成一個(gè)大邊界，然后這個(gè)大邊界和另外一個(gè)大邊界再次被打通時(shí)，智能城市由此誕生。

而人工智能的災(zāi)害預(yù)警恰恰需要基于大量的城市數(shù)據(jù)基礎(chǔ)上進(jìn)行分析，因此，我們需要將這些數(shù)據(jù)流打通，讓預(yù)測(cè)更加精準(zhǔn)，更加及時(shí)，更加通暢。同時(shí)還需要保證這些數(shù)據(jù)流的相對(duì)安全。

比如，只有將臺(tái)風(fēng)預(yù)警的數(shù)據(jù)與市民的電話(huà)通訊數(shù)據(jù)打通才能實(shí)現(xiàn)臺(tái)風(fēng)預(yù)警信息到個(gè)人；與供水供電系統(tǒng)打通才能自動(dòng)預(yù)測(cè)出對(duì)水電的影響程度……

其實(shí)，今年日本海洋研究機(jī)構(gòu)和九州大學(xué)的研究小組就利用人工智能深度學(xué)習(xí)技術(shù)，開(kāi)發(fā)了從全球云系統(tǒng)分辨率模型（NICAM）氣候?qū)嶒?yàn)數(shù)據(jù)中高精度識(shí)別熱帶低氣壓征兆云的方法。這個(gè)臺(tái)風(fēng)預(yù)警就是利用以深度學(xué)習(xí)為代表的人工智能技術(shù)融合數(shù)據(jù)驅(qū)動(dòng)方法和模型驅(qū)動(dòng)方法，開(kāi)展的臺(tái)風(fēng)和颶風(fēng)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?yàn)數(shù)據(jù)，制成5萬(wàn)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(wàn)張未演變成熱帶低氣壓的低氣壓云圖片，共105萬(wàn)張圖片組成10組學(xué)習(xí)數(shù)據(jù)，利用深度卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，生成不同特征的10種識(shí)別器，然后構(gòu)筑出可對(duì)10種識(shí)別器結(jié)果進(jìn)行綜合評(píng)價(jià)的集合識(shí)別器。

利用上這種人工智能，或許可以提前一周預(yù)測(cè)臺(tái)風(fēng)。而這提前的一周，或許就可以挽救無(wú)數(shù)的生命以及大眾的財(cái)產(chǎn)。相信在不遠(yuǎn)的未來(lái)，在人工智能技術(shù)的加持之下，諸如臺(tái)風(fēng)等自然災(zāi)害可以被及時(shí)預(yù)測(cè)。即便是“利奇馬”來(lái)襲，大眾也可以免于恐慌。