當(dāng)暴風(fēng)雨來臨，感應(yīng)器需要通過盡可能多的自然細(xì)節(jié)才能進(jìn)行預(yù)測(cè)。對(duì)風(fēng)暴的時(shí)間、強(qiáng)度和范圍的預(yù)測(cè)，可能會(huì)使帶來的死亡損傷差異變得不同。

幸運(yùn)的是，人工智能使這些預(yù)測(cè)更加準(zhǔn)確。

周二，《華爾街日?qǐng)?bào)》發(fā)表了一篇文章，強(qiáng)調(diào)了北美各城市利用人工智能（AI）預(yù)測(cè)和應(yīng)對(duì)自然災(zāi)害的各種方式。據(jù)報(bào)道，這些系統(tǒng)使應(yīng)急人員更容易幫助最需要災(zāi)后援助的人。

《華爾街日?qǐng)?bào)》的文章強(qiáng)調(diào)了幾個(gè)可以做到這一點(diǎn)的系統(tǒng)。這是IBM的人工中斷預(yù)測(cè)工具，它分析了歷史天氣數(shù)據(jù)和實(shí)時(shí)天氣測(cè)量數(shù)據(jù)的組合，以預(yù)測(cè)停電。這個(gè)工具在預(yù)測(cè)故障前72小時(shí)的準(zhǔn)確率達(dá)到了70％，而且隨著風(fēng)暴的臨近，它的準(zhǔn)確性也會(huì)提高。

還有一個(gè)問題是，它使用人工智能來讓緊急救援人員知道地震、火災(zāi)和其他災(zāi)難后最需要援助的地方。蘇格蘭研究人員開發(fā)了另一種系統(tǒng)，該系統(tǒng)依靠人工智能和眾包數(shù)據(jù)的組合來檢測(cè)高危城市地區(qū)的洪水情況。還有更多的人工智能系統(tǒng)，這是《華爾街日?qǐng)?bào)》沒有報(bào)道的。

東肯塔基大學(xué)的研究人員在一份報(bào)告中指出，這些系統(tǒng)已經(jīng)在幫助地方和城市政府更好地在災(zāi)難中分配資源，沒有人在大規(guī)模使用這些工具，所以人們不太確定它能發(fā)揮多大的作用。因此，投資者在大規(guī)模項(xiàng)目中投入資金可能會(huì)很慢。

但是，考慮到在較小規(guī)模上取得的成功，更大的政府決定人工災(zāi)難預(yù)測(cè)是否值得預(yù)付成本，可能只是時(shí)間問題。