面對預測自然災害，AI還OK嗎？

從古至今，自然災害給人類帶來了無盡的損失。隨著城市社會的發展程度越來越高，一場突如其來的自然災害將會造成巨大的生命和財產損失。人們為了避免被自然災害“偷襲”，總結了很多經驗，探索了很多的辦法，形成了與自然鬥爭的獨特智慧。

時至今日，人類已經能夠掌握大部分自然災害的活動習性，並作出相應的綢繆，以最大限度降低災害造成的損失。但在一些頑疾面前，人類仍然束手無策。

AI時代來臨之後，可以說對那些預測起來駕輕就熟的自然災害來說，人類又多了一把利器。那麽，對以往一籌莫展的災害，AI又能否成為一把開山刀？

在這些災害面前，AI說“OK”

人們很早就開始通過對自然災害的預測來防患於未然，傳統上靠經驗，現代則是靠科學。這代表著人們預測技術的進化。在AI興起的幾年裡，人們也已經把注意力轉移到了它的身上，看看其是否能夠為預測自然災害貢獻一份力量。

目前來說，AI在以下幾個方面的預測還是比較靠譜的。

1. 預測風暴。我國東南沿海地區幾乎每年都會發生台風登陸的情況，對城市電力等基礎設施造成巨大的破壞。以現在的氣象預報水準，雖然有足夠的時間發出預警，但在受到一些強力風暴的襲擊之後，城市災後應對工作仍然會存在一定的困難。

為了應對這一點，IBM為美國安大略省電力公司hydro One開發了一款AI工具。通過與天氣公司觀察的實時的數據相結合，其能夠預測風暴的嚴重程度和嚴重的區域，從而幫助hydro One提前布置電工，以幫助城市快速地恢復供電。並且，其還能夠根據多年來積累的氣象數據來對風暴作出更精準的預測，從而有針對性地應對。

2. 預測泥石流。泥石流多發於暴雨之後，多見於山區。沙土由於被雨水浸透，在重力的作用下就向山下流動。大規模的泥石流可以輕而易舉摧毀一座村莊。傳統的泥石流預測是基於對泥石流的機理進行研究，在預測雨量的前提下建立山體的泥石流發生模型。雖然已經取得了很大的進步，但仍然不能滿足對泥石流進行高精準預測的現實需求。

在這方面，大阪大學的研究人員針對日本全國50多萬處的泥石流侵害點的現實情況，開發出了一款能夠預測泥石流發生的AI系統。該系統主要結合降水量預告、分析降水臨界點時間，再結合可以測量斜面上的水分含量和傾斜度的傳感器，從而預測出降雨之後斜面的水分含量，來判斷是否發出泥石流預警。比起只能提前幾分鐘預報泥石流，AI預報把這一時間增加到了幾個小時。

3. 預測洪水。在一般人看來，要預測洪水就要從對氣象的的分析出發，研究降水量和降水時間。但為了實現洪水預警，英國科學家們卻另辟蹊徑，主張用AI+社交平台數據的方式來進行。

英國鄧迪大學的研究人員利用AI從Twitter中提取數據，從而可以洪水的嚴重程度、地位置等資訊，並且通過視覺識別技術來識別用戶發布的洪水場景。通過對這些數據的綜合處理，其能夠對城市是否正在遭到洪水的侵蝕而做出判斷，從而可以改進預報和預警系統。簡單來說，就是通過搜集人們發布的社交內容，判斷洪水可能侵襲的重點區域、程度等。

另外，利用AI的精準分析，氣象預報甚至已經達到了分鐘級的預測。在森林防火上，利用遙感技術，AI也可以實現重點防範區域的監控和一旦出現火災後的火情判斷，以將損失最小化。那麽，仔細看看，這些在AI預測方面應用比較靠譜的自然災害，是不是有什麽值得總結的特點？

可觀+數據，正中了AI的下懷

在筆者看來，AI預測應用比較成熟的這幾類自然災害存在著以下幾個方面的相似之處。

首先，這些自然災害的形成過程都是可以直接觀察的。比如通過天氣衛星，可以觀察到天空中雲層的聚集和流動方向，結合對氣壓的檢測，就可以判斷什麽時候會形成氣旋、什麽時候登陸、風力多大、雨量如何等指標。包括通過傳感器對泥石流的含水量的分析、森林火點的檢測及風向判斷等，可以說觀察的數據夠多，預測的準確度也就更高。

其次，歷史數據積累豐富。對這幾類自然災害，人們已經有了一段相當長的研究歷史，在這個過程中積累了大量的有價值的經驗、數據材料。那麽，正確的歷史經驗數據+即時的現場數據觀察，使得AI預測的難度並不算高。

而對AI而言，這兩項也正是其優勢所在。目前AI所擅長者，一是識別，二是數據處理。以上幾種自然災害要麽跟視覺識別有關係（衛星雲圖、洪水圖片等），要麽跟自然語言處理有關係（Twitter用戶內容搜集），可以說正中AI下懷。而對由於易於檢測而產生的大量數據，自然也難不倒數據處理大師AI。

來自天上和來自地表的自然災害既然AI都能應對，那麽對最未可知的來自地球內部的災害，它是不是就束手無策了呢？

上天沒問題，入地AI暫時可能不“0K”

不可否認的是，地球上最難預測的自然災害大概要數火山和地震了。

雖然人們把火山分為了活火山和休眠火山，但每一次火山造成的重大傷亡事故幾乎都是由於死火山的突然噴發，附近的居民無法及時撤離而葬身於此。目前而言，對火山噴發的預測幾乎還是靠對火山周圍空氣成分的變化而進行預警。但當此時，往往已經離噴發只有很短的一段時間了。

但火山一個明顯特徵是它就那麽幾座，不知道什麽時候爆發，我們只要遠離它就行了。相較之下，地震就不行了。千余年來，人們一直苦於對地震的預測，也形成了許多經驗性的認知，比如地震雲、動物行為異常、水面波動等等，但這遠遠不能稱得上是“預測地震”，因為在人們看到這些景象的時候，往往是地震已經發生，S波由於速度快率先達到了地面。正因如此，在觀察到異常的時候，往往也就距離地震很近了。

也就是說，人類從未真正意義上“預測”過地震的發生。首先，發生在地下60公里以上的地震就可以被稱為淺源地震，有記錄的最深震源超過了700公里，什麽儀器能深入這麽深的地下？顯然靠現在的技術還無法實現。另外，地震發生的時間很短，基本是幾十秒鐘，這就令研究者們捕捉地震資訊非常困難。並且，由於其突然性，也難以做好應對的準備。稍縱即逝的最佳地震研究時間，令地震預測變成了一件幾乎不可能的事情。

而在沒有輔助工具幫助獲取數據的情況下，AI也難以施展身手。不過，也有一些研究者用AI的方式來試圖預測地震。比如劍橋大學的研究者們認為，地震在發生的時候會對岩石形成擠壓，從而在地球內部產生聲音。他們據此研發了一款能夠聆聽岩石的機器人，其在實驗室中再現了強大地震對岩石產生的影響，並用AI系統識別了一場大地震到來前的跡象。

但這畢竟是基於實驗室的理想環境而進行的。要做到精確的地震預測，最好的方式還是能以某種方式“看”到它的活動：直接的地下觀測岩石移動、間接的振波檢測甚至可能是尚待發現的某種地震輻射粒子之類。只有找到真正和地震的發生密切相關的物質，才能對其進行數據的整理和分析，這個時候AI才能大顯身手。

而現在來看，我們掌握的地震資料大多是關於震級、震前震後的地質變化、非常粗糙但又努力從中尋找出地震規律的地震頻率等，這些幾乎還不能被認為是研究地震成因的正確方法，又怎能拿給AI去進行學習處理呢？

所以，或許對這些地下不可知的災害，我們能做的是開發創新性的數據觀測和收集硬體，能伸到地球深處。經過多次的地震經驗，AI就可以進行學習，從而做出預測地震的模型。

這樣的未來或許仍然很遠，但仍是值得期待的。畢竟，AI之所大用，根本在於造福人類。