機器學(xué)習(xí)可以幫助決策者回答諸如“何時？”、“有多糟糕？”、“有多少人處于危險之中？”等諸多問題。

颶風(fēng)多里安在巴哈馬造成了嚴(yán)重破壞亞馬遜森林大火肆虐。今年夏天，美國加州南部發(fā)生了7.1級地震和余震。印度喀拉拉邦遭受了近一個世紀(jì)以來最大的洪水

很明顯，世界各地的自然災(zāi)害正在造成越來越多的破壞，而且未來可能還會發(fā)生更多的破壞性事件。但是，我們?nèi)绾伪Ｗo自己免受不可避免的災(zāi)難呢？

答案在于我們要有能力更好地預(yù)測、規(guī)劃和應(yīng)對自然災(zāi)害能夠分析大量數(shù)據(jù)的新技術(shù)是非常有前途的工具，可以幫助社區(qū)領(lǐng)導(dǎo)人和應(yīng)急管理人員做出更明智的決策。這些技術(shù)是從機器學(xué)習(xí)領(lǐng)域發(fā)展起來的，可以補充和加強現(xiàn)有的災(zāi)害應(yīng)對計劃。

機器學(xué)習(xí)技術(shù)可以幫助決策者更準(zhǔn)確地回答緊急問題，比如：災(zāi)難什么時候發(fā)生？它的破壞性有多大？哪些地區(qū)將受到最嚴(yán)重的打擊，有多少人在這些地區(qū)生活和工作？哪些建筑最容易受到攻擊？會不會停電？如果會，在哪里停電？需要什么設(shè)備和資源，需要多長時間？救災(zāi)工作將花費多少？等等。

簡而言之，機器學(xué)習(xí)讓計算機模仿人類學(xué)習(xí)分析過去災(zāi)難的大量數(shù)據(jù)，從而對當(dāng)前和未來的類似事件產(chǎn)生新的見解。訓(xùn)練計算機去“思考”、處理信息并發(fā)展出遠超人腦計算能力的洞察力。

機器學(xué)習(xí)可以利用過去災(zāi)難的大量數(shù)據(jù)。事實上，它已經(jīng)被用于改善災(zāi)害應(yīng)對。例如，一些公用事業(yè)公司正在使用俄亥俄州立大學(xué)的史蒂文·奎林（Steven Quiring）開發(fā)的機器學(xué)習(xí)工具，來預(yù)測颶風(fēng)和其他惡劣天氣事件造成的電力中斷。公用事業(yè)公司報告說，機器學(xué)習(xí)提供了關(guān)鍵信息，幫助他們改善了決策

在另一個例子中，一家初創(chuàng)公司開發(fā)了一個交叉災(zāi)害平臺，使用基于工程和機器學(xué)習(xí)的模型，向社區(qū)領(lǐng)導(dǎo)人和應(yīng)急管理人員提供信息，以增強長期抗災(zāi)能力和短期災(zāi)害響應(yīng)能力。另一家非營利初創(chuàng)公司正在使用數(shù)據(jù)分析和地圖技術(shù)，將災(zāi)難受害者與急救人員和志愿者組織聯(lián)系起來。

此外，機器學(xué)習(xí)技術(shù)也有局限性。他們只能處理和分析輸入電腦的信息。例如，如果一個特大災(zāi)難的數(shù)據(jù)不是數(shù)據(jù)集的一部分，那么機器學(xué)習(xí)技術(shù)很可能無法對未來的類似事件做出準(zhǔn)確的預(yù)測。機器學(xué)習(xí)的預(yù)測伴隨著不確定性，決策者很難完全理解這種不確定性。

必須強調(diào)，機器學(xué)習(xí)絕不能取代人類的決策，它只是補充了專家判斷和傳統(tǒng)的災(zāi)害應(yīng)對方法。這與機器學(xué)習(xí)在其他領(lǐng)域（如自動駕駛汽車）的應(yīng)用有著關(guān)鍵的區(qū)別，在自動駕駛汽車領(lǐng)域，該技術(shù)尋求至少在一定程度上取代人類決策。機器學(xué)習(xí)不能也不應(yīng)該取代傳統(tǒng)的災(zāi)難應(yīng)對方法。鑒于情況的復(fù)雜性和嚴(yán)重性，人類專家的判斷是絕對關(guān)鍵的。

很多人對機器學(xué)習(xí)持懷疑態(tài)度。他們擔(dān)心這門未經(jīng)證實的科學(xué)，沒有足夠的數(shù)據(jù)來預(yù)測未來的事件。但這些只是謬見。機器學(xué)習(xí)如果使用正確，并基于與未來情況相關(guān)的可靠數(shù)據(jù)，在許多行業(yè)中都得到了證明。即使在自然災(zāi)害領(lǐng)域，也有大量的數(shù)據(jù)可以用于不同的事件和情況。

隨著洪水、地震和野火在未來造成越來越多的破壞，機器學(xué)習(xí)應(yīng)該成為災(zāi)害應(yīng)對計劃的重要組成部分。如果不使用它，我們就剝奪了應(yīng)急管理人員在關(guān)鍵時刻改善決策的重要工具。