为什么机器学习对灾难响应至关重要？

机器学习可以帮助决策者回答诸如“何时？”、“有多糟糕？”、“有多少人处于危险之中？”等诸多问题。

飓风多里安在巴哈马造成了严重破坏亚马逊森林大火肆虐。今年夏天，美国加州南部发生了7.1级地震和余震。印度喀拉拉邦遭受了近一个世纪以来最大的洪水

很明显，世界各地的自然灾害正在造成越来越多的破坏，而且未来可能还会发生更多的破坏性事件。但是，我们如何保护自己免受不可避免的灾难呢？

答案在于我们要有能力更好地预测、规划和应对自然灾害能够分析大量数据的新技术是非常有前途的工具，可以帮助社区领导人和应急管理人员做出更明智的决策。这些技术是从机器学习领域发展起来的，可以补充和加强现有的灾害应对计划。

机器学习技术可以帮助决策者更准确地回答紧急问题，比如：灾难什么时候发生？它的破坏性有多大？哪些地区将受到最严重的打击，有多少人在这些地区生活和工作？哪些建筑最容易受到攻击？会不会停电？如果会，在哪里停电？需要什么设备和资源，需要多长时间？救灾工作将花费多少？等等。

简而言之，机器学习让计算机模仿人类学习分析过去灾难的大量数据，从而对当前和未来的类似事件产生新的见解。训练计算机去“思考”、处理信息并发展出远超人脑计算能力的洞察力。

机器学习可以利用过去灾难的大量数据。事实上，它已经被用于改善灾害应对。例如，一些公用事业公司正在使用俄亥俄州立大学的史蒂文·奎林（Steven Quiring）开发的机器学习工具，来预测飓风和其他恶劣天气事件造成的电力中断。公用事业公司报告说，机器学习提供了关键信息，帮助他们改善了决策

在另一个例子中，一家初创公司开发了一个交叉灾害平台，使用基于工程和机器学习的模型，向社区领导人和应急管理人员提供信息，以增强长期抗灾能力和短期灾害响应能力。另一家非营利初创公司正在使用数据分析和地图技术，将灾难受害者与急救人员和志愿者组织联系起来。

此外，机器学习技术也有局限性。他们只能处理和分析输入电脑的信息。例如，如果一个特大灾难的数据不是数据集的一部分，那么机器学习技术很可能无法对未来的类似事件做出准确的预测。机器学习的预测伴随着不确定性，决策者很难完全理解这种不确定性。

必须强调，机器学习绝不能取代人类的决策，它只是补充了专家判断和传统的灾害应对方法。这与机器学习在其他领域（如自动驾驶汽车）的应用有着关键的区别，在自动驾驶汽车领域，该技术寻求至少在一定程度上取代人类决策。机器学习不能也不应该取代传统的灾难应对方法。鉴于情况的复杂性和严重性，人类专家的判断是绝对关键的。

很多人对机器学习持怀疑态度。他们担心这门未经证实的科学，没有足够的数据来预测未来的事件。但这些只是谬见。机器学习如果使用正确，并基于与未来情况相关的可靠数据，在许多行业中都得到了证明。即使在自然灾害领域，也有大量的数据可以用于不同的事件和情况。

随着洪水、地震和野火在未来造成越来越多的破坏，机器学习应该成为灾害应对计划的重要组成部分。如果不使用它，我们就剥夺了应急管理人员在关键时刻改善决策的重要工具。