由于气候变化，自然灾害日益频发。
人工智能可以改善灾害应对，包括缩短损失评估时间、监测社交媒体，以及更快速、更有效地提供援助。
必须审慎看待人工智能的局限性，而加强合作是充分发挥其效益的关键。
超过每年1.6亿人面临洪水、飓风、火灾及其他自然灾害的威胁。情况很可能会进一步恶化。
自然灾害的发生频率已是1970年的四倍。据估计，随着气候变化的影响，此类事件的频率和强度可能会进一步增加。
人工智能有望更高效、更有效地调配救灾资源，从而减轻灾害损失。它可以加快援助的提供速度，并提升一线救灾人员的决策水平。
灾害韧性工作在未来可能与今天大不相同。例如，一旦识别出正在逼近的气旋或飓风，便可利用地理空间数据、天气数据和以往灾害数据，预测将有多少人被迫离开家园，以及他们可能迁往何处。此类洞察有助于应急人员确定需要多少援助物资（饮用水、食品、医疗护理）以及应将其送往何处。人工智能算法可以根据卫星图像和天气预报，即时评估洪水、建筑及道路的受损情况，使救援人员能够更有效地分发紧急援助，并识别仍处于危险之中、与逃生路线隔绝的人员。
麦肯锡的Noble Intelligence只是试图利用人工智能支持人道主义事业的众多举措之一。例如，该团队正在开发一种算法，结合卫星、地理空间、天气及其他数据，将评估学校等建筑损毁情况所需的时间从数周缩短至数分钟。随后，这些信息可用于确定设立临时校园帐篷的最佳地点，以及应优先开展重建工作的区域。
另有其他组织正在运用人工智能技术分析社交媒体上的灾后信息流。此类分析可通过标记来自避难所的图像（图中民众缺少毛毯或在街头等候），提供有关基础设施损毁及受灾者获得援助情况的关键现场信息。
然而，尽管万事达、微软和谷歌等众多公共部门组织和私营部门数据企业为改善救灾工作做出了贡献，这些努力的成效仍受到若干挑战的制约。
其一是范围有限。许多私营部门举措仅涉及一个或少数政府或非政府组织伙伴，并聚焦特定用例，往往相对脱离更广泛的救灾社区，也未纳入既定的救灾协议。这导致各项工作支离破碎，可能使人工智能衍生的洞见和算法工具被交给无力维护或无法将其有效融入决策流程的机构。
其二，尽管大量数据有助于救灾（包括卫星、地理空间、电信、社交媒体及金融数据），但在需要时往往无法获取。此外，这些数据集很少以能够产生更多洞见的方式进行整合，既包括与其他大型数据集的整合，也包括与一线经验丰富的工作人员所掌握数据的整合。这种地面视角的价值甚至可能超过大数据的洞见，但往往未能以系统化方式加以收集和分析。
最后，在灾害情境中，人的生命本身即处于危险之中，因此必须审慎看待人工智能的局限性。数据分析并不总能兑现倡导者所宣称的成效，若缺乏严格审查算法方法与假设的既定流程，便难以评估此类主张。例如，专为评估住宅损毁而设计的人工智能模型，曾被用于商业建筑，尽管这些建筑采用的材料、施工方法和规范各不相同。在人工智能伦理日益受到审视的当下，开发者和使用者尚未就任何可共同遵守的标准达成一致。
我们如何在自然灾害场景中最大化人工智能的效益？可把握三个机遇：
第一，加强当前各项举措之间的协作（目前这些举措多聚焦于少数合作伙伴之间的特定用例），从而形成以成效为导向、由人工智能驱动的灾害支持网络。当前投入于算法开发的关注，应与同等程度的精力和资源相平衡，以确保这些工具能够广泛可用，并应用于救灾一线。在许多情况下，这意味着需要加强能力建设。我们还注意到存在工作重复的问题，数据科学界正在开发类似的用例，这些工作可以加以精简。一种可行方案是建立特定领域的伙伴关系或联盟，由产业界和全球机构在其中协调重点开发团队，这仅是其中一种模式。
第二，在近期，应着力在各地一线机构之间开发更基础的数据采集与协调工具，而非将大部分投资集中于高度先进的人工智能。这可为未来新的救生算法提供信息“燃料”。因此，在开发更复杂算法的同时，将同等程度的开发投入用于这些基础工具将大有裨益。
第三，迫切需要就人工智能伦理原则达成更多针对特定领域的协议。 众多倡议已由包括联合国和欧盟在内的全球机构发起，旨在制定指导人工智能普遍有益应用的原则。但鉴于其覆盖范围广泛，这一进程可能需要较长时间。在此期间，在灾害应对等特定领域更有针对性地协调各利益相关方将大有裨益。这可能包括设立算法审查流程，以确保人工智能解决方案在广泛推出前符合既定标准。
人工智能在灾害韧性领域的潜力十分广阔，可指导救灾工作、确保更安全的疏散，并分发可每年惠及数千万甚至数亿人的援助。尽管仍有挑战需要克服，但只要实现适当程度的协调与合作，这一更光明的未来或许会更加触手可及。
