从古至今，自然灾害给人类带来了无尽的损失。随着城市社会的发展程度越来越高，一场突如其来的自然灾害将会造成巨大的生命和财产损失。人们为了避免被自然灾害“偷袭”，总结了很多经验，探索了很多的办法，形成了与自然斗争的独特智慧。
时至今日，人类已经能够掌握大部分自然灾害的活动习性，并作出相应的绸缪，以最大限度降低灾害造成的损失。但在一些顽疾面前，人类仍然束手无策。
AI时代来临之后，可以说对那些预测起来驾轻就熟的自然灾害来说，人类又多了一把利器。那么，对以往一筹莫展的灾害，AI又能否成为一把开山刀?
在这些灾害面前，AI说“OK”
人们很早就开始通过对自然灾害的预测来防患于未然，传统上靠经验，现代则是靠科学。这代表着人们预测技术的进化。在AI兴起的几年里，人们也已经把注意力转移到了它的身上，看看其是否能够为预测自然灾害贡献一份力量。
目前来说，AI在以下几个方面的预测还是比较靠谱的。
1. 预测风暴。我国东南沿海地区几乎每年都会发生台风登陆的情况，对城市电力等基础设施造成巨大的破坏。以现在的天气预报水平，虽然有足够的时间发出预警，但在受到一些强力风暴的袭击之后，城市灾后应对工作仍然会存在一定的困难。
为了应对这一点，IBM为美国安大略省电力公司hydro One开发了一款AI工具。通过与气象公司观察的实时的数据相结合，其能够预测风暴的严重程度和严重的区域，从而帮助hydro One提前布置电工，以帮助城市快速地恢复供电。并且，其还能够根据多年来积累的天气数据来对风暴作出更精准的预测，从而有针对性地应对。
2. 预测泥石流。泥石流多发于暴雨之后，多见于山区。沙土由于被雨水浸透，在重力的作用下就向山下流动。大规模的泥石流可以轻而易举摧毁一座村庄。传统的泥石流预测是基于对泥石流的机理进行研究，在预测雨量的前提下建立山体的泥石流发生模型。虽然已经取得了很大的进步，但仍然不能满足对泥石流进行高精准预测的现实需求。
在这方面，大阪大学的研究人员针对日本全国50多万处的泥石流侵害点的现实情况，开发出了一款能够预测泥石流发生的AI系统。该系统主要结合降水量预告、分析降水临界点时间，再结合可以测量斜面上的水分含量和倾斜度的传感器，从而预测出降雨之后斜面的水分含量，来判断是否发出泥石流预警。比起只能提前几分钟预报泥石流，AI预报把这一时间增加到了几个小时。
3. 预测洪水。在一般人看来，要预测洪水就要从对天气的的分析出发，研究降水量和降水时间。但为了实现洪水预警，英国科学家们却另辟蹊径，主张用AI+社交平台数据的方式来进行。
英国邓迪大学的研究人员利用AI从Twitter中提取数据，从而可以洪水的严重程度、地位置等信息，并且通过视觉识别技术来识别用户发布的洪水场景。通过对这些数据的综合处理，其能够对城市是否正在遭到洪水的侵蚀而做出判断，从而可以改进预报和预警系统。简单来说，就是通过搜集人们发布的社交内容，判断洪水可能侵袭的重点区域、程度等。
另外，利用AI的精准分析，天气预报甚至已经达到了分钟级的预测。在森林防火上，利用遥感技术，AI也可以实现重点防范区域的监控和一旦出现火灾后的火情判断，以将损失最小化。那么，仔细看看，这些在AI预测方面应用比较靠谱的自然灾害，是不是有什么值得总结的特点?
可观+数据，正中了AI的下怀
在笔者看来，AI预测应用比较成熟的这几类自然灾害存在着以下几个方面的相似之处。
首先，这些自然灾害的形成过程都是可以直接观察的。比如通过气象卫星，可以观察到天空中云层的聚集和流动方向，结合对气压的检测，就可以判断什么时候会形成气旋、什么时候登陆、风力多大、雨量如何等指标。包括通过传感器对泥石流的含水量的分析、森林火点的检测及风向判断等，可以说观察的数据够多，预测的准确度也就更高。
其次，历史数据积累丰富。对这几类自然灾害，人们已经有了一段相当长的研究历史，在这个过程中积累了大量的有价值的经验、数据材料。那么，正确的历史经验数据+即时的现场数据观察，使得AI预测的难度并不算高。
而对AI而言，这两项也正是其优势所在。目前AI所擅长者，一是识别，二是数据处理。以上几种自然灾害要么跟视觉识别有关系(卫星云图、洪水图片等)，要么跟自然语言处理有关系(Twitter用户内容搜集)，可以说正中AI下怀。而对由于易于检测而产生的大量数据，自然也难不倒数据处理大师AI。
来自天上和来自地表的自然灾害既然AI都能应对，那么对最未可知的来自地球内部的灾害，它是不是就束手无策了呢?
上天没问题，入地AI暂时可能不“0K”
不可否认的是，地球上最难预测的自然灾害大概要数火山和地震了。
虽然人们把火山分为了活火山和休眠火山，但每一次火山造成的重大伤亡事故几乎都是由于死火山的突然喷发，附近的居民无法及时撤离而葬身于此。目前而言，对火山喷发的预测几乎还是靠对火山周围空气成分的变化而进行预警。但当此时，往往已经离喷发只有很短的一段时间了。
但火山一个明显特征是它就那么几座，不知道什么时候爆发，我们只要远离它就行了。相较之下，地震就不行了。千余年来，人们一直苦于对地震的预测，也形成了许多经验性的认知，比如地震云、动物行为异常、水面波动等等，但这远远不能称得上是“预测地震”，因为在人们看到这些景象的时候，往往是地震已经发生，S波由于速度快率先达到了地面。正因如此，在观察到异常的时候，往往也就距离地震很近了。
也就是说，人类从未真正意义上“预测”过地震的发生。首先，发生在地下60公里以上的地震就可以被称为浅源地震，有记录的最深震源超过了700公里，什么仪器能深入这么深的地下?显然靠现在的技术还无法实现。另外，地震发生的时间很短，基本是几十秒钟，这就令研究者们捕捉地震信息非常困难。并且，由于其突然性，也难以做好应对的准备。稍纵即逝的最佳地震研究时间，令地震预测变成了一件几乎不可能的事情。
而在没有辅助工具帮助获取数据的情况下，AI也难以施展身手。不过，也有一些研究者用AI的方式来试图预测地震。比如剑桥大学的研究者们认为，地震在发生的时候会对岩石形成挤压，从而在地球内部产生声音。他们据此研发了一款能够聆听岩石的机器人，其在实验室中再现了强大地震对岩石产生的影响，并用AI系统识别了一场大地震到来前的迹象。
但这毕竟是基于实验室的理想环境而进行的。要做到精确的地震预测，最好的方式还是能以某种方式“看”到它的活动：直接的地下观测岩石移动、间接的振波检测甚至可能是尚待发现的某种地震辐射粒子之类。只有找到真正和地震的发生密切相关的物质，才能对其进行数据的整理和分析，这个时候AI才能大显身手。
而现在来看，我们掌握的地震资料大多是关于震级、震前震后的地质变化、非常粗糙但又努力从中寻找出地震规律的地震频率等，这些几乎还不能被认为是研究地震成因的正确方法，又怎能拿给AI去进行学习处理呢?
所以，或许对这些地下不可知的灾害，我们能做的是开发创新性的数据观测和收集硬件，能伸到地球深处。经过多次的地震经验，AI就可以进行学习，从而做出预测地震的模型。
这样的未来或许仍然很远，但仍是值得期待的。毕竟，AI之所大用，根本在于造福人类。
