根据国家环境信息中心公布的数据,截至2022年7月,总计九起气候灾害事件已经造成超过10亿美元经济损失。据报道,伊恩飓风已造成100多人死亡和高达470亿美元的保险损失,这可能是佛罗里达州历史上危害最大的风暴灾情。

自2022年6月以来,巴基斯坦的洪水也已造成1678人死亡,冲毁大量村庄和基础设施,令340万儿童面临水源性疾病、溺水和营养不良风险。此外,飓风菲奥娜则在波多黎各造成9万民众断电。
随着全球自然灾害变得愈发普遍和危险,人工智能(AI)等技术的应用也许有望预防并缓解相关破坏。
根据IBM Master Inventor、联合国首席AI顾问、AI for Good全球峰会联合创始人Neil Sahota的介绍,人们长久以来一直将称之视为纯粹突发的极端事件。但实际上,成千上万条微妙且缓慢推进的线索,早已指明了自然灾害发生的可能性与严重程度。
Sahota解释道,“作为人类,我们对那些快速爆发的直接威胁非常敏感,但却不擅长认识那些缓慢推进的长期威胁。值得庆幸的是,AI的出现让我们拥有了能够预测自然灾害、并采取预防及缓解措施的强大工具。”
Sahota以野火为例,介绍了AI如何实时处理大量数据,并在不同变量之间找出微妙的联系。Sahota表示,“我们以往更倾向于通过气候条件、灌木丛分布、其他潜在燃料的数量以及该地区的地形来评估火灾风险。但随着AI野火工具的出现,我们得以将更多变量纳入进来,特别是点燃因素。”
Sahota指出,结合矿业公司的研究数据来看,雷击可能才是野火的主要来源。但我们要如何评估这类具有极大随机性的事件?
“人类面对此类问题时可能会束手无策,但AI却能够更容易地预测雷暴的可能发生位置、雷暴击中地面的可能性,以及起火风险较高的「热点」。这样,我们就能查验更多火源,例如静电、热表面甚至是摩擦,借此评估野火的威胁。”
Sahota认为,AI完全可以确定潜在灾害的连锁反应或间接影响,甚至据此预防下一场自然灾害的降临。
“让我们以沿海浸渍为例。以往我们大多使用海平面等关键指标,但近期美国东南部出现了不寻常的状况——几乎从未受到莱姆病侵袭的区域,竟然爆发了这种疾病。”
Sahota和同事们在研究这个问题时,发现引发该疾病的蜱虫开始由海岸线迁移至更远的内陆。“沿海环境发生的微妙变化对蜱虫来说可能是一场剧变,因此引发了大规模迁徙。”
“利用这条线索再配合人工智能,科学家们得以更好地了解单一事件如何影响整个生态系统。现在,我们开始用AI技术研究海洋生物、洋流甚至是海洋温度,借此找到能够指示洪水灾害的微妙线索。”
从灾害预测到救援资源优化,再到灾害根源分析,AI已经在检测和筹备极端天气及其他灾害方面发挥积极作用。兰开斯特大学的团队就建立起一套灾害测绘与损害检测系统,帮助救援队在工作当中对不同区域进行优先级排序。该平台使用众包标记数据,借现场志愿者之手获取道路阻塞、泛洪区域及受损建筑物等信息。
Sahota表示,“将混合智能,即人类与人工智能的结合,飓风伊恩的影响确实得到了一定控制。”
“AI的长处,是能够将数千条气候数据实时纳入考量,帮助我们更好地预测从热带风暴到飓风、再弱化回热带风暴、之后重新增强为飓风的整个转变过程。如此一来,我们就能为卡罗来纳州和佛罗里达州这些风暴受灾大州设计灾备预案。”
Sahota还提出了AI的其他几种重要应用方向。“使用AI技术,我们能够提早分析飓风的行动轨迹,抢在其袭来之前部署医疗资源、食物和水。利用AI的高效沟通能力,我们还有望加快撤离速度、减少伤亡人数。”
“在明确了可能受到灾害破坏的区域之后,我们还能考虑如何部署资源,怎样更快恢复水、电力和食品供应等基础服务。”
IFS North America公司CTO Rick Veague指出,AI预测还将成为灾后恢复工作中的重要支持力量。
Veague解释道,“AI最大的价值所在,就是它能够一次消化多个信息源,计算各种可能结果的发生概率,并根据不同原因提出建议——全程无需人为干预。除了预测之外,AI还能根据当前观察到的数据进行预测优化,确保基于AI的决策流程产生出更好的结果。”
Veague强调,“自然灾害带来的后果往往混乱无序,市政服务陷入瘫痪、交通基础设施遭到破坏。而凭借卫星、航拍和街道摄像头收集到的地理空间信息,以及气象/过往历史数据和手机信号,AI能够绘制出灾区情势图,找到最需要提供援助物资的人口中心,高效组织响应策略。”
凭借着强大的信息量,AI能够精准定位援助需求量,并确定应采取哪些最佳途径实现援助物资交付。
“以飓风伊恩为例,在灾后恢复工作开始时,食品、水和燃料的供应量非常有限。因此找到高效物资交付方式不仅能够缩短响应周期,还能保障灾民最大利益、快速建立信心。这种依托于广泛信息源获取大量数据,并在几秒钟内精确得出结论的能力,是人类根本无法企及的。”
Veague最后总结道,“随着这个十年来自然灾害发生频率的持续提升,相信AI技术将在帮助人类有效应对灾害方面扮演起不可或缺的角色。”
好文章,需要你的鼓励
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
谷歌DeepMind开发的多智能体AI系统通过让多个AI代理相互协作、讨论和辩论来解决复杂问题。该系统在医疗领域表现出色,能够在两天内完成人类十年的研究成果,包括发现新的药物重新定位候选物和治疗方案。AI临床医生"Amy"不仅能生成更好的诊断方案,还表现出比人类医生更强的同理心。这项技术有望在十年内实现零边际成本的全球医疗服务普及。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。