居住在城市地区的人数三倍在过去的50年里，这意味着当地震等重大自然灾害袭击一座城市时，会有更多的生命处于危险之中。与此同时，极端天气事件的强度和频率有所增加——这是一种趋势设置为继续随着气候变暖。这促使世界各地努力开发新一代地震监测和气候预报系统，使灾害检测和响应比以往更快、更便宜、更准确。
11 月 6 日，“通过人工智能解决方案抵御自然灾害全球倡议”将在西班牙巴塞罗那超级计算中心举行首次会议。新的联合国倡议旨在指导政府、组织和社区利用人工智能进行灾害管理。
该倡议建立在国际电信联盟、世界气象组织 (WMO) 和联合国环境规划署近四年的基础之上，这些组织于 2021 年初共同召开了一次会议焦点小组开始开发人工智能在灾害管理中使用的最佳实践。其中包括加强数据收集、改进预测和简化沟通。
阅读更多： 城市处于“气候健康危机”的前线。一份新报告提供了应对其影响的框架
“令我兴奋的是，对于一种类型的危险，人工智能可以有多种不同的应用方式，这创造了很多机会，”焦点小组主席莫尼克·库格利奇 (Monique Kuglitsch) 说道。以飓风为例：2023年，研究人员显示人工智能可以帮助政策制定者确定放置交通传感器的最佳位置，以检测佛罗里达州塔拉哈西热带风暴过后的道路堵塞情况。10 月，气象学家使用人工智能天气预报模型准确预测飓风米尔顿将登陆佛罗里达州西耶斯塔岛附近。人工智能还被用来更有效地向公众发出警报。去年，国家气象局宣布与AI翻译公司合作轻快的帮助提供西班牙语和简体中文预报，据说这可以将翻译飓风警报的时间从一小时缩短到十分钟。
除了帮助社区做好防灾准备外，人工智能还被用来协调应对工作。遵循两者飓风米尔顿和飓风伊恩非营利组织 GiveDirectly 使用 Google 的机器学习模型来分析卫星前和卫星后图像，以确定受影响最严重的区域，并相应地确定现金补助的优先顺序。去年，在莫桑比克克利马内发生飓风弗雷迪之后，以及在土耳其阿亚曼发生 7.8 级地震后，人工智能对航拍图像进行了分析，以协助应对工作。
阅读更多： 气象学家如何使用人工智能来预测飓风米尔顿和其他风暴
运行预警系统主要是政府的责任，但人工智能气候建模（以及较小程度上的地震检测）已成为一个新兴的私营行业。启动地震人工智能表示正在与墨西哥格雷罗州和哈利斯科州的民防机构合作，部署人工智能增强型传感器网络，该网络将实时检测地震。科技巨头谷歌,英伟达， 和华为正在与欧洲预测机构合作，并表示他们的人工智能驱动模型可以比传统模型快数千倍地生成准确的中期预测，同时计算强度较低。9 月份，IBM合伙的与 NASA 合作发布了一个通用开源模型，可用于各种气候建模案例，并且可以在桌面上运行。
人工智能的进步
虽然机器学习技术多年来一直被纳入天气预报模型中，但最近的进展使得许多新模型可以从头开始使用人工智能构建，从而提高了预测的准确性和速度。传统模型依赖复杂的基于物理的方程来模拟大气中水和空气之间的相互作用，并需要超级计算机运行，可能需要数小时才能生成单个预测。相比之下，人工智能天气模型通过对数十年的气候数据进行训练来学习发现模式，其中大部分数据是通过卫星和地面传感器收集的，并通过政府间合作共享。
人工智能和基于物理的预测都是通过将世界划分为三维盒子网格，然后确定温度和风速等变量来工作的。但由于人工智能模型的计算效率更高，因此它们可以创建更细粒度的网格。例如，欧洲中期天气预报中心的最高分辨率模型将世界划分为 5.5 英里的方框，而预报初创公司大气提供比一平方英里更精细的模型。该公司联合创始人兼首席技术官 Johan Mathe 表示，分辨率的提高可以在极端天气事件期间更有效地分配资源，这对城市尤其重要。优惠与菲律宾和岛国图瓦卢。
局限性
人工智能驱动的模型通常只与它们所训练的数据一样好，这在某些地方可能是一个限制因素。“当你处于真正高风险的情况下，比如一场灾难时，你需要能够依赖模型的输出，”库格利奇说。贫困地区——通常位于前线例如，气候相关灾害的发生通常较少且维护较差，从而造成气象数据的空白。在最容易遭受灾难的地方，接受这种倾斜数据训练的人工智能系统可能不太准确。与遵循既定规则的基于物理的模型不同，随着人工智能模型变得越来越复杂，它们越来越像复杂的“黑匣子”一样运行，从输入到输出的路径变得不那么透明。联合国倡议的重点是制定负责任地使用人工智能的指南。Kuglitsch 表示，标准可以鼓励开发人员披露模型的局限性或确保系统跨区域运行。
该倡议将通过与地中海和泛欧预报中心合作，在现场测试其建议。自然灾害预警系统(MedEWSa)，一个从焦点小组衍生出来的项目。“我们将应用焦点小组的最佳实践并建立反馈循环，以确定哪些最佳实践最容易遵循，”库格利奇说。MedEWSa 的一个试点项目将探索机器学习来预测希腊雅典周边地区野火的发生。另一个项目将使用人工智能来改善格鲁吉亚第比利斯市周边地区的洪水和山体滑坡预警。
阅读更多： 水泥行业如何制造负碳建筑材料
与此同时，私营企业如明天大作战正在寻求通过收集自己的数据来填补这些空白。这家人工智能天气预报初创公司发射了带有雷达和其他气象传感器的卫星，从缺乏地面传感器的地区收集数据，并将其与历史数据相结合来训练模型。包括波士顿在内的新英格兰城市正在使用 Tomorrow.io 的技术来帮助城市官员决定何时在降雪前在道路上撒盐。优步 (Uber) 和达美航空 (Delta Airlines) 也使用它。
另一项联合国倡议系统观测融资机制(SOFF) 还旨在通过向较贫穷国家提供融资和技术援助来缩小天气数据差距。SOFF 的合作伙伴之一 WMO 服务总监 Johan Stander 表示，WMO 正在与包括谷歌和微软在内的私人人工智能开发商合作，但强调不要将太多责任交给人工智能系统。
– 你不能走到机器前说：“好吧，你错了。”回答我，发生了什么事？你仍然需要有人来接管这个所有权，”他说。他认为私营公司的角色是“支持国家气象服务，而不是试图接管它们。”