择要：人类正步入一个“人工智能”时期，它为磨难管理变革供应了主要动力。
人工智能磨难管理模型分为平台、工具、地理、仿照、决策与社会六个基本维度，它建构在繁芜适应系统、社会技能和人类成分掌握系统的根本上。
这一剖析框架分为“人工智能—管理趋势”“人工智能—管理环境”“人工智能—管理体系”与“人工智能—管理行动”四个面向。
研究认为人工智能供应了一种更方便与科学的仿照管理、仿真实践和情境管理，在高度繁芜与动态的灾害情境下，人机协作有效赞助磨难相应是磨难管理成败关键。
它虽然具有地理系统与人工智能结合、人工超级智能与新技能结合、群体智能与打算智能结合、遥感图像与人类思维模型化结合等光明前景，但也存在技能激增与人类闭幕、自主性与可靠性、体积与品种等陷阱。
研究末了强调磨难管理与人工智能结合是新兴的交叉研究领域，它节制了跨学科磨难研究的全部繁芜性，为学界、政府和实务界供应了主要的理论范式、政策工具和实践指南。

一、缘起：“人工智能”时期磨难管理的变革

人类正步入一个“人工智能”时期。
2015年1月，一大批高科技和科学领域有名人士和人工智能专家揭橥了一篇名为“强有力和有益的人工智能研究重点：一封公开信”，呼吁研究Al的社会影响。
［1］2016年美国发布《国家人工智能发展与研究报告》和《为人工智能的未来做好准备》，提出推进人工智能在磨难管理中的运用。
2017年7月8日中国***在印发与履行《新一代人工智能发展方案》中明确提出促进人工智能在公共安全领域深度运用，环绕地震磨难、地质磨难、气候磨难、水旱磨难和海洋磨难等重大自然磨难，构建智能化监测预警与综合应对平台。
海内各个省市积极相应，以广东省为例，2018年7月广东省颁布的《关于印发广东省新一代人工智能发展方案的关照》（粤府

〔2018〕64号）、2017年8月广东省政府发布的《广东省计策性新兴家当发展“十三五”方案》及2018年10月广东省科学技能厅印发的《广东省新一代人工智能创新发展行动操持（2018-2020年》等政策文件中都强调人工智能在磨难管理中的主要浸染。
这些充分表明，随着环球磨难发生频率和强度不断增加，不但西方发达国家开始高度重视人工智能的主要浸染，一些发展中国家也同样如此，如2017年孟加拉国大水造成了1000多人去世亡，政府因此建立了2000个救灾营地，帮助非政府组织节制人工智能技能，使其在救灾根本举动步伐缺少地区能快速采纳应急接济行动。

人工智能磨难管理包括人工智能技能与思维两个层面，近几年来国内外学界研究朝阳东升，目前紧张集中在这些视角：①“人工智能相应磨难新论”。
人工智能与大数据稠浊有利于建构人工智能磨难相应新系统，如Web extra是网站上一种新型的磨难相应人工智能（AIDR）***，同时是一个免费、开源且易于利用的平台，用于人性主义危急期间过滤和分类微博。
［2］②“机器人代理新行为论”。
示范学习（LFD）是机器人磨难管理代理的新行为方法，从自主轨迹映射到灾害相应，机器人能自主操作、记录GPS位置及标记实时磨难信息。
［3］③“社交媒体人工智能管理论”。
机器智能在灾害期间通过利用AI和机器学习，自动从社交媒体数据中提取有用信息。
［4］④“人工智能管理技能论”。
例如，稠浊人工神经网络技能具有情境感知功能，它能预测和相应不愿定性地质环境风险，“类似人类视觉把稳的智能系统”能有效提高应对职员对恶劣磨难环境认识。
［5］⑤“人工智能仿照磨难管理论”。
虚拟化是灾害规复最佳技能之一，地震防灾支持工具利用增强现实（AR）3DCG动画功能，在有或没有地震磨难情形下仿照与体验家具扭捏。
［6］⑥“智能型可视化磨难管理论”。
通过将专家系统和人工神经网络运用到防洪减灾决策支持系统，设计GIS智能型防洪减灾决策支持系统总体框架，实现磨难信息可视化管理。
［7］

虽然学界在这一领域取得了一些研究成果，但也存在一些不敷：①研究相对分散。
大多侧重于技能、管理与理论运用层面，专门针对人工智能磨难管理的研究非常少见。
②不同学科之间互换与对话不敷，基本的人工智能磨难管理共识尚未形成。
③研究的广度和深度有所欠缺。
大多勾留在理念与观点层面，案例研究少见，量化研究更为不敷。
④许多研究采纳自上而下视角，集中于管理、制度和政策设计，较少取自下而上的民间与社会管理视角，双向结合研究更为少见。
⑤紧张做描述性、诊断性及运用预测性（会发生什么）剖析，缺少在此根本上深入的理论研究。
⑥海内与国外研究对话不敷。
海内学界虽应立足于现有国情与社情，但人工智能是一场环球范围内的磨难管理技能与思维革命，国外研究成果有许多可借鉴之处，否则难以摆脱海内研究相对滞后的现状。
基于此，本研究将聚焦这些问题：如何建构人工智能磨难管理模型以供实践参考，如何构建人工智能磨难管理剖析框架以供学界参考，人工智能在磨难管理实践中如何详细运用，它具有哪些光明前景，又会碰着哪些陷阱，如何建立符合中国国情的本土化人工智能磨难管理模式？

二、人工智能时期磨难管理模型

由于磨难具有动态性、繁芜性、紧迫性和不愿定性等特色，使得磨难管理非常具有寻衅性，决策者在此情境下作出科学决策每每非常困难，人工智能为防灾、减灾和救灾供应了快捷、形象与直不雅观的科学决策。
通过建构人工智能磨难管理模型，有利于为磨难管理者供应实践参考、节制管理逻辑及创造内在规律。
管理模型与实践之间存在一定的差距，韦伯认为“空想模型”就像“双面镜”，通过比较二者之间的差异，创造真正的实践问题并促进其有效办理，这一模型包括平台、工具、地理、仿照、决策与社会六个基本管理维度（见图1）。

（一）平台维度：3D图像、在线论坛与微型机器人

网络最新状态的磨难信息对付磨难管理非常主要。
人工智能平台不仅能有效网络巨量信息，还能优化处理巨量信息并进行有效决策，因此，它是磨难管理的根本和核心。
目前，正在磋商的平台技能是3D图像技能，它能仿照磨难管理环境，不仅为参与者供应了在线论坛，而且参与者在繁芜的3D图形情境中能有效进行交互、互换和仿照管理，为其供应了虚拟化办理方案和共享平台，尤其是在太远、太分散乃至数量太多的社区，接济职员每每无法及时亲赴现场，通过其供应的宝贵接济信息进行针对性接济。
［8］微型机器人流动系统是人工智能平台的另一项新兴技能，在磨难自动搜索和接济（USAR）领域中运用很广，它是一种基于机器人平台的磨难决策工具，对磨难接济和应急管理产生了主要影响。

（二）工具维度：人工神经网络、稠浊智能与新技能研发

人工智能磨难管理涉及一系列详细技能，包括评估、预防与剖析等技能，人工智能系统首先是一种有效的风险预防工具，风险评估须要大数据，但大数据每每充满了许多变量、不愿定性和模糊性。
为了战胜这一难题，最有效的技能便是通过人工智能算法系统处理巨量数据并进行风险评估，这一算法系统由专家系统、人工神经网络和稠浊智能系统构成。
［9］现实生活中，大数据剖析繁芜化和专业化每每让人望而生畏，但人性主义声援/救灾（HA/DR）剖析师和专家在没有数据科学家帮助下通过新兴智能（ABI）方法创建了磨难剖析模型，它是一种简化的剖析建模方法，有效办理了风险大数据剖析繁芜性问题。
［10］目前正在利用与研究的人工智能磨难管理新技能还包括物联网（LOT）、纳米技能、生物技能、量子打算和机器人技能等，原始人工智能（AI）技能还将进一步创建超级人工智能（ASI）技能。

（三）地理维度：GIS舆图剖析、地理空间信息与模糊认识舆图

地理维度在磨难管理中非常主要，任何灾害都涉及详细的时空，自然磨难更是如此。
因此，人工智能须要将空间数据库与地理框架有效结合起来，利用网络GIS运用程序对数据库系统进行有效运算，进而通过地理空间数据质量模型监控空间网络、评估空间数据及担保数据天生质量。
通过繁芜性系统和GIS舆图剖析风险网络和风险关键点，然后结合地理空间信息技能（GIT），以有效改进磨难管理各个阶段，这一“人工智能+地理信息系统”模式在磨难领域得到初步运用。
另一种地理技能即“模糊认知舆图”是从人工智能借来的观点，结合了模糊逻辑和神经网络技能仿照磨难管理，它是一种繁芜与有效的剖析工具。
［11］

（四）仿照维度：网络通信、智能仿真与情境管理

人工智能一个非常主要的特点是为磨难供应了一种更加方便与科学的仿照管理、仿真实践和情境管理，这一人工智能仿照系统在危险舆图上构建了虚拟灾区，通过网络通信技能和危险舆图不仅能有效预测风险，而且能在仿照情境中进行通信实验及选择管理策略。
磨难评估智能仿真系统是一种正在开拓的主要仿照系统，它紧张运用于四个领域：智能磨难危险性评估、磨难毁坏和丢失评估、优化应急相应和磨难规复操持，紧张由四个部分构成：信息数据库、剖析模块、智能决策子系统和友好的用户界面，它能有效仿照城市磨难疏散中的人群运动。
一些国家还开始运用通信技能（ICT）建构增强现实（AR）情境的人工智能仿照系统，［12］通过链接风险区域的物理虚拟领域及利用人工智能技能，为管理者供应可视化、直不雅观化与快速化的相应做事。

（五）决策维度：机器人代理、自主决策与赞助决策

在高度繁芜与动态的灾害情境下，人机协作能有效赞助磨难决策，这是人工智能管理的关键。
人工智能自治系统是由机器自主代理与人类远程掌握领悟而成，为管理者和民众供应赞助决策支持。
用于接济的机器人虽然具有一定的代理性和自主性，但依然依赖于人类的远程操作，这一系统有效提高了接济职员、机器人团队和社会群体的协同相应。
自主机器人对付磨难站点的监视非常主要，它使得越来越多的社会群体提高了应对灾害、事件和风险的能力。
［13］人工智能为灾前预防、灾中应急和灾后重修供应了新的决策工具，通过打算磨难接济车辆路线，在最短韶光内为管理者和民众供应最合理的接济策略，［14］它使机器人能够进行更为繁芜的磨难接济与决策。
随着人工智能技能的快速发展，还须要不断改进和调度基于AI系统的磨难决策工具。

（六）社会维度：身体传感器、社交媒体与社区参与

人工智能不仅为自上而下确当局管理供应了新工具，也为自下而上的民间参与供应了主要路子。
民间紧急相应者、灾民与普通民众是磨难管理的主要组成部分，其携带的当代通信设备也是身体传感器，具有定位、跟踪与通信等功能，［15］为磨难管理供应了动态、持续与真实信息，推特、脸书和微信等社交媒体逐渐成为磨难管理的主要工具。
由于社交媒体具有大数据性子，通过人力资源对其进行筛选是一项劳动密集型事情，人工智能更好理解谁共享信息、过滤信息与实时识别潜在风险，社交媒体通过繁芜的自适应系统（CAS）、社区参与和社区赋权匆匆使民间社会成为磨难管理的主要力量，也有利于韧性社区的创建。
中国***在《新一代人工智能发展方案》中哀求支持有条件的社区开展基于人工智能的公共安防区域示范，为自下而上的社区参与供应了政策支持与制度安排。

天下各国积极利用人工智能办理磨难管理问题，磨难管理模型建立在繁芜适应系统、社会技能和人类成分掌握系统根本之上，表示了繁芜风险背景下磨难管理的动态过程，大大提高了灾前预防、灾中应急与灾后重修的效率。
须要强调的是这是一个探索性的理论模型，未来须要结合实践进一步磋商阻碍或促进人工智能磨难管理的成分。

三、人工智能时期磨难管理剖析框架

当代社会是一个薄弱而又磨难频发的社会，学界普遍认为人工智能有利于提高磨难监测、评估、应急与处理能力，已成为磨难管理的主要创新，也为掩护社会稳定与社会良性供应了新路子。
人工智能理论模型侧重于实践层面，试图将抽象理论辅导实践并相互对照。
人工智能剖析框架以人工智能理论、磨难管理体系、磨难管理过程及磨难管理方法为依据，研究人工智能磨难管理趋势有哪些（人工智能磨难管理国际履历与中国模式）——为什么须要人工智能磨难管理（人工智能磨难管理微不雅观组织与宏不雅观社会***——如何建立人工智能磨难管理模型（构建人工智能磨难管理预防、监测、预警、应急及灾后重修体系）——如何利用人工智能应对已爆发的磨难（构建人工智能磨难管理决策、社会处理与社会发布机制）的思路而展开。

面向一：“人工智能——管理趋势”剖析

这一壁向的基本假设是磨难管理已成为环球主要议题，人工智能剖析具有繁芜性、自动化和智能性特色，它是磨难治理发展的基本趋势。
在国际磨难管理领域，人工智能已初步得到运用，逐渐成为国际趋势和发展方向。
我国虽然在“汶川大地震”与“芦山大地震”等磨难管理事情中取得了巨大成效，但仍旧存在许多不敷，尤其是新的管理模式还比较缺少。
我国现有的磨难管理还是传统模式，虽然能办理磨难发生的“当下问题”，但无法知足频发性、繁芜性和不愿定性磨难管理需求。
通过比较研究国际与海内管理新理论与新实践，有利于建立符合我国国情与社情的人工智能磨难管理新模式。

面向二：“人工智能——管理环境”剖析

人工智能研究须要将微不雅观组织内部环境与宏不雅观社会外部环境结合，才能建构系统性与科学性人工智能磨难管理体系。
随着复合型磨难、次生磨难与衍生磨难等新型磨难不断涌现，磨难发生的外部环境有了很大变革，单一、固化与缓慢的传统管理模式已无法有效应对，人工智能管理模式则应运而生。
组织内部适应性是人工智能管理的内在根本，它为磨难管理供应了何以可能与何以可为的组织成分。
人工智能能有效加强组织内部与外部环境的沟通，促进不同管理主体协同管理。
人们每每重视人工智能微不雅观组织层面，忽略人工智能技能及其组织赖以生存的宏不雅观外部环境，使得管理实践难以适应宏不雅观社会环境需求。

面向三：“人工智能——管理体系”剖析

随着新型磨难的不断涌现，须要建立适宜当代磨难发展新趋势的高效人工智能管理体系，它涉及一系列实践难题，例如，如何建立完全的磨难信息网络、剖析、决策及磨难因应行动体系以有效战胜传统体系僵化、分散与迟缓等局限，这是核心的实践难题，事关磨难管理的详细成效，学者也因此提出了许多设想。
哈利勒（Khalil）等学者认为机器人、本体与语义网等建构的多智能磨难管理体系，具有足够的韧性温柔应性，能有效办理磨难动态环境中的繁芜性问题。
［16］人工智能磨难管理体系是一个综合系统，包括预测、预警、预控、应急及重修等层面，各系统内部与系统之间折衷运行，才能发挥磨难管理的最佳效应。

面向四：“人工智能——管理行动”剖析

磨难管理须要公共机构、私人组织和民间社会共同参与，才能有效降落磨难风险。
如何在人工智能情境中建立磨难管理的“公私协力”关系，政府如何鼓励与支持民间社会参与磨难管理，如何折衷政府组织内部与公私组织之间的管理行动，这些都是人工智能面临的主要行动议题。
磨难行动紧张有行动快速原则、确定优先事变原则、行动折衷原则、行动凝聚力原则与行动高效原则等，磨难管理职员包括专业接济职员、机器人团队和社会群体等，在人工智能情境中，行动者易于开展预警、预防、预控、应急、接济与重修等行动，［17］有利于提高民众自救、互救与他救的行动能力。

人工智能具有利用范围广、灵巧性强、地理可视化和有效利用社交网络等功能，能在虚拟空间和现实物理天下中为不同群体供应磨难管理赞助决策支持，也能有效预防、预控与应急处理潜在或爆发的磨难。
人工智能磨难管理剖析框架为学界供应了有益的研究借鉴，但它须要在后续研究中进一步改进与完善。

四、案例剖析与命题提出

在近几年大水、地震、工地事件、飞机事件、工业事件、地震易损性、减灾及核工业早期故障检测等案例中，结果显示近60％的人利用人工智能（AI）作为磨难管理工具，以此应对内部和外部非构造化环境的变革，［18］人工智能已成为一些国家磨难管理的主要实践问题，国际与海内涌现了一些范例案例。
在对这些案例深入磋商的根本上，进一步演绎出人工智能磨难管理的基本命题。

（一）人工智能如何促进灾前预警？

人工智能方法能实现灾前预警三维剖析表达，为灾前预警供应了新的技能方法。
2018年5月27日，美国马里兰州埃利科特市发生了千年一遇暴雨。
在暴雨前几天，美国国土安全部利用人工智能进行了有效预警，通过航拍图像天生了高分辨率舆图，比传统舆图精确了大约1，000倍。
遥感图像包括自然地形特色分类、地皮利用监测、地下水勘探、环境磨难评估和城市方案等，打算智能基于群体智能、人类思维模型化、自然启示和其他一些智能技能，它能有效处理巨量遥感图像。
［19］谷歌和哈佛大学正在联合开拓预测地震的人工智能系统，研究职员对13.1万多次地震数据进行了研究，对3万余个磨难事宜进行神经网络测试，实验表明能精确预测余震位置。
印度占环球大水患害去世亡人数20％，Google与印度政府互助创建了AI大水预测模型，并利用Google Public Alerts（公共安全警报）改进大水警报，2018年9月，发出第一次大水预警，大大提高了预测磨难发生位置、发生韶光和丢失程度的准确性。
根据以上案例，可以推出以下命题：

命题1.1：磨难预测中人工智能利用越多，越能提高预测准确性。

人工智能和机器学习能有效识别、处理与降落磨难风险，尤其能有效进行灾前风险识别，［20］从而将磨难风险降到最低，Google公共安全报警系统是发布磨难紧急信息的平台，2018年9月已发出恒河沙数的自然磨难预警，覆盖美国、加拿大、日本和巴西等十多个国家，用户浏览量已超过15亿次，激活了200多次SOS警报。
2017年九寨沟发生了7.0级地震，由成都高新减灾所研发培植的地震预警系统，通过电视弹窗、预警广播、手机APP、专用吸收终端预警与微博等提前几十秒进行预警，同时自动关闭煤气、自动割断电力与紧急制动高铁等生命线，有效避免次生磨难、衍生磨难和复合型磨难发生。
在技能层面，灾害方案OWS（开放地理空间Web做事）是一种新的自动办理方案，通过AI方案与Web运用程序能有效预警灾害。
［21］根据以上案例，推出以下命题：

命题1.2：磨难预警中人工智能利用越多，越能减少磨难丢失。

SilviaTerra是一家位于旧金山的公司，目前正在开拓森林失火人工智能预防技能，通过卫星数据、空中影像与激光扫描技能结合，进行森林地面测绘、抓取遥感信息和网络森林地形数据，进而绘制了加州天国市森林失火潜在区域，还制订了失火风险等级舆图，［22］并用赤色标出风险最高区域，使得当局能预先采纳失火防御方法。
美国宇航局和Development Seed公司利用卫星图像和机器学习追踪哈维飓风，在效果上它比常规技能好6倍，每小时可追踪一次飓风，传统方法每6小时才能跟踪一次，大大提高飓风预防的时效性，［23］人工智能在磨难预防中非常强大且具有变革性。
［24］根据上述案例，推出以下命题：

命题1.3：磨难预防中人工智能利用越多，越能降落磨难风险。

在这一命题的根本上，还可进一步推出以下命题：

命题1.4：磨难预控中人工智能利用越多，越能掌握磨难风险。

（二）人工智能如何促进灾中应急？

在人工智能时期，磨难管理须要捕获实时社交媒体大数据，开拓与利用特定危急分类、实体分类及数据汇总技能刻不容缓，还须要通过舆图呈现社交大数据并使其可视化，这一基于社交情境的人工智能方法在2015年5月尼泊尔地震人性主义相应中得到了有效利用。
［25］在2017年9月墨西哥城地震中，志愿者利用社交媒体迅速组织接济行动与抢救灾民生命，AI从数百万社交媒体帖子中抓取与剖析大数据，为灾中应急供应主要信息做事和赞助决策支持，同时为受灾最严重地区和最须要救助的灾民及时供应接济职员。
社交媒体与人工智能的结合为社区灾害应对供应了主要路子，它构建了社区团体与应急组织之间的新型关系。
［26］根据上述案例，推出下面命题：

命题2.1：磨难应急中人工智能利用越多，越能供应有用的应急信息。

当磨难发生后，人工智能能有效监控社交网络与社交工具，通过将所有推文存储到磨难数据库中并及时剖析，［27］为应急接济供应赞助决策支持。
在印度，谷歌利用人工智能检测技能发布大水警告，在启动人工智能预警之后，再利用谈天机器人Hakeem帮助救灾职员与不同措辞灾民进行应急沟通。
2017年九寨沟7.0级地震后，地震信息播报机器人就自动编发紧急稿件向全国及时发布，短短25秒后，机器人就完成了数据抓取、挖掘、剖析、自动撰写与发布的全体过程，为灾中应急赢得了宝贵的接济韶光。

命题2.2：磨难应急中人工智能利用越多，越能提高应急沟通效率。

在2019年1月珙县5.3级地震中，四川省地震局自主研发的智能地震编目处理系统第一次运用于灾中应急，在余震资料处理过程中实现了无人工干预、实时自动剖析与自动编目，为地震应急供应了巨量信息。
2017年九寨沟地震发生后，大疆公司利用无人机对现场进行航测与追踪，为灾中应急供应了巨量数据信息。
中国移动与华为公司首次利用无人机高空基站快速规复了30多平方公里受灾区的通信，无人驾驶翱翔器（UAV）是一种用于灾害情景中的灵巧且快速支配的通信网络，能为接济队成员供应有效的通信链接。
无人机结合了人工智能算法，能最大限度为受害者供应应急做事。
［28］通过利用自主无人驾驶翱翔器（UAV）、有人驾驶车辆技能和自主无人驾驶地面车辆（UGV）在难以到达的危险区域供应医疗用品做事，从而减少接济本钱及肃清接济风险。
［29］它还能科学地将受害者分配到医院，同时组织紧急车辆运输，在最合理韶光内供应即时性、启示性和完全性应急处理方案，从而拯救更多的受害者。
［30］由此，推出以下命题：

命题2.3：磨难应急中人工智能利用越多，越能提高磨难应急接济行动效率。

（三）人工智能如何促进灾后重修？

由于灾害日益繁芜，科学的管理决策也变得更加困难。
巨量数据作为决策的科学依据，越来越受到决策者们的重视。
人工智能具有虚拟化、情境化和科学化等特色，是灾后规复的最佳技能之一，人工智能管理建立在高资源利用率、高可用性、易于管理、及时规复和动态管理的根本架构之上。
［31］Facebook研究小组创建了“磨难影响指数”（Disaster Impact Index，DII）量化指标，用来衡量某一地区水灾或失火丢失，它是一种“从卫星图像到灾害洞察”的工具，建立在人工智能神经网络根本上。
2017年德州哈维飓风（Harvey）发生后，它有效地识别了受损道路，准确率达到了88.8%，识别圣罗莎失火受损建筑准确率也达到了81.1%，［32］通过比拟灾前和灾后航拍照片，人工智能将所有照片分解成更小与更随意马虎辨别的巨量照片集，为灾后评估供应直接和主要依据。

命题3.1：磨难重修中人工智能利用越多，越能有效评估灾后丢失。

评估自然磨难风险是海内和国际学界热烈辩论的问题，灾后丢失评估更具争议性，尤其主不雅观层面丢失每每无法估量，如何建立科学的灾后丢失评估机制成为困扰学界的难题。
［33］人工智能大大提高了灾后丢失评估的准确性，也能针对性供应灾后重修策略和提高灾后重修效率。
美国安大略省电力公司（hydroOne）在IBM的帮助下开拓AI风灾管理工具，2018年4月，安大略省风灾四天内，电力公司根据AI评估采纳有效方法迅速规复了供电。
通过AI抓取与剖析历年巨量景象数据与实时景象大数据，提前72小时预测风灾等级、丢失情形和最严重的薄弱区域，hydro One公司在灾前就将1400名前哨电工安排到受灾区域进行预防并订定了应急操持。
［34］人工智能还能有效预测灾后一年内心理压力源、精神状况、情绪支持与个人自我意识。
基于上述案例，推出以下命题：

命题3.2：磨难重修中人工智能利用越多，越能提高灾后规复速率。

在此根本上，进一步推出以下命题：

命题3.3：磨难应急中人工智能利用越多，越能提高灾后重修效率。

（四）人工智能如何提高磨难仿照管理？

磨难情境具有不愿定性、噪声数据输入性和行为随机性，使得磨难决策变得非常繁芜，人工智能仿照管理与情境管理大大提高了磨难决策的科学性。
磨难管理涉及巨量数据信息剖析和数据管理等繁芜技能，它须要降落巨量信息不愿定性、降落管理本钱及战胜传统科层制局限，有利于在不可预测的磨难环境中办理繁芜性决策问题。
Google公司利用AI和当代打算能力为印度创建了AI大水患害预测模型，它对巨量历史事宜、河流水位读数、地形和海拔等进行存储、抓取与剖析，同时整合印度海得拉巴河流域巨量数据，在此根本上天生风险舆图，然后对每一磨难进行数十万次仿照管理，当磨难发生后，干系职员能迅速赶赴现场进行应急接济。

命题4.1：磨难仿照中人工智能利用越多，越能有效提高风险预测。

加州One Concern公司正在开拓人工智能地震磨难仿照工具，它首先网络建筑种别、年事和材料等巨量数据，在此根本上构建城市人工智能建筑模型，仿照地震来临时房屋倒塌情形，为灾中接济和灾后重修供应赞助决策支持。
［35］这一系统利用人工智能设置地震事宜模版，可以在线实时连续扫描地震波、自主识别和自主处理地震磨难。
英国剑桥大学在实验室利用智能机器人对岩石震撼进行辨别，不仅能准确抓取与剖析地震信息，还能有效预测地震风险，它为地震预测供应了新方法，有望破除“地震磨难不可预测”的迷思。

命题4.2：磨难仿照中人工智能利用越多，越能提高磨难接济效率。

在前面两个命题根本上，进一步推出以下两个命题：

命题4.3：磨难仿照中人工智能利用越多，越能提高磨难决策的科学性。

命题4.4：磨难仿照中人工智能利用越多，越能提高因应行动的科学性。

（五）案例总结

通过梳理多个案例创造，人工智能在磨难管理领域中侧重预防、预控、预警、应急与决策等层面，有利于科学办理潜在与已爆发的危急。
由于人工智能利用目的、范围和特色不同，从案例中演绎出来的基本命题也有很大不同，但大致可以分为灾前预防、灾中应急、灾后重修与仿照管理四个层面，每一层面又包含了多少个子命题。
须要强调的是本研究通过案例演绎出来的基本命题属于

探索性研究和理论铺垫，须要后续研究进一步证明与证伪，终极为建立符合中国国情的本土化人工智能磨难管理模式供应有益启示。

五、理论前景与实践陷阱

基于地理信息系统（GIS）和人工智能（AI）等技能根本之上的磨难管理系统，不仅能有效识别灾前风险构造和社会系统薄弱性，还能快速评估灾后丢失情形，为政府、社会组织与民众磨难管理供应主要的赞助决策支持。
在磨难管理领域，人工智能不仅具有主要的理论意义，还有光明的理论前景（见图4）。

首先，“地理系统、人工智能与磨难管理”结合新趋势。
地理信息系统（GIS）和人工智能（AI）在磨难管理中的运用不仅为磨难管理供应了新的技能上风，也为科学家、工程师、管理者和民众供应了新的实践手段，成为未来磨难管理的主要赞助决策工具。
其次，“人工智能”“人工超级智能”与其他新技能结合趋势。
随着人工智能技能的不断发展，它险些能够完成人类的所有任务。
AI还将进一步发展为“人工超级智能”（ASI），它涉及技能创新、软件设计、网络打算和虚拟工具等新技能，为磨难管理供应了更高效的信息、映射和通信工具，在未来具有无限的技能潜力和实践图景。
再次，群体智能、打算智能与虚拟工具结合新趋势。
在未来的人工智能磨难管理过程中，传感器网络、云、人群、点对点智能技能、多代理、进化打算和群体智能等技能可以增强打算智能，通过将这些技能运用于理论与实践创建新的磨难管理模式，将进一步提高磨难管理效率。
末了，遥感图像、人类思维模型化与磨难管理结合新趋势。
磨难遥感图像分为自然地形特色、地皮利用监测、地下勘探、环境磨难评估和城市方案等，它在磨难管理领域中取得了巨大成功。
同时，它与打算智能的结合促进了群体智能、人类思维模型化与自然启示等技能在磨难管理领域的运用。

虽然人工智能在磨难管理领域正经历一系列创新活动，但也存在一些实践陷阱：首先，技能激增、人性风险与人类闭幕的陷阱。
物理学家和宇宙学家斯蒂芬霍金最近指出，“全人工智能的发展可能意味着人类的闭幕”，比尔·盖茨和伊隆·马斯克在内的有名技能职员也发出前辈人工智能技能激增可能带来严重的潜在危险和警告。
为了避免人工智能对人类社会带来的重大冲击，须要采纳积极有效的方法化解社会风险，通过建立法律与政策保护框架，当AI在磨难管理领域发生致命失落误时，能及时有效赔偿磨难丢失各方。
其次，非构造化、自主性与可靠性陷阱。
在磨难情境中进行科学决策是人工智能面临的重大难题，由于磨难环境具有非构造性、繁芜性、动态性、不愿定性和随机性等特点，同时大数据也存在噪声与冗余等局限，在这样的环境中利用全自动智能机器人技能进行实时决策将会变得非常繁芜，新的缺点决策风险也大大增加。
自主机器人能否适应内部和外部环境变革，能否担保自主处理的精确性及避免算法安全风险，能否在灾害情景中进行有效搜索、接济与监视，这些都是人工智能管理过程中面临的主要寻衅。
末了，体积、品种与隐私陷阱。
磨难大数据来源浩瀚，虽然为磨难管理供应了巨量数据与丰富信息，但也会伴随着许多噪声数据，巨量数据还面临体积与品种等陷阱，人工智能能否从巨量数据等分辨出噪声与缺点讯号也存在系列困难，未来须要建立一套能精确分辨噪声数据和处理巨量数据的人工智能数据处理系统以应对数据安全与信息安全风险。
隐私和网络安全一贯广受人们关注，人们担心网络和利用磨难管理数据缺少透明度，只管一些大数据在利用过程中被匿名化，但仍旧存在个人隐私被看破的风险。

人工智能与磨难管理的结合被认为是新兴起的交叉研究领域，它整合了不同学科与不同领域，节制了跨学科磨难研究的繁芜性。
同时，它也促进了磨难管理理论的重大转型，为新磨难管理学供应了主要的理论指向，也为政府和实务界供应了极具启示性的政策工具和实践指南。

［参考文献］

［1］Devdatt D，Shalom L. Viewpoint AI Dangers：Im­agined and Real，Association for Computing Machine­ry，Communications of the ACM，2017，60（2）.

［2］Sarah V，Adam H. Rethinking Context：Leveraging Human and Machine Computation in Disaster Response，Computer，2014，47（4）.

［3］Nathaniel E，On-line，On-board，Evolutionary Learning from Demonstration in Autonomous Mobile Robots，Masters Abstracts International，2014，53-01（E）.

［4］Shetty D，A Computational Task Allocation Model for Disaster Response. Dissertations & Theses-Grad­works，2010.

［5］Madani K，Kachurka V，Sabourin C，et al，A Human-like Visual-attention-based Artificial Vision System for Wild and Firefighting Assistance，Applied Intel­ligence，2017，48（8）.

［6］Yoshida K，Urabe M，Tsuchiya H，et al，Eart­hquake Disaster Prevention Support Tool–Visualiz­ation of Preven­tion Effectiveness by Utilizing Aug­mented Reality. In：Stephanidis C. （eds） HCI Inter­national 2011–Posters’ Extended Abstracts. HCI Communications in Computer and Information Science，Springer，Berlin，Heidelberg. 2011.

［7］Jun-Ai Yan. Study on Decision-making Support Syst­em for Urban Intelligent Flood Control and Disaster Mitigation Based on GIS，Water Resources and Hyd­ropower Engineering，2006，37（8）.

［8］Dethridge L，Quinn B，Realtime Emergency Com­munication in Virtual Worlds，International Journal of Disaster Resilience in the Built Environment，2016，7（1）.

［9］Guzman A ，Ishida S，Choi E，et al，Artificial In­telligence Improving Safety and Risk Analysis：A Com­parative Analysis for Critical Infrastructure//IEEE In­ternational Conference on Industrial Engineering & Engineering Management. IEEE，2016.pp471-475.

［10］Widener D，Mazzuchi T，Sarkani S. Simplifying Humanitarian Assistance/disaster Relief Analytic Models Using Activity-based Intelligence，Disaster Prevention and Management，2018，27（1）.

［11］Andreou A S，Mateou N H，Zombanakis G A. Soft Computing for Crisis Management and Political Decision Making：the Use of Genetically Evolved Fuzzy Cognitive Maps，Soft Computing，2005，9（3）.

［12］Park S，Park S，Park L，et al. Design and Implement­ation of a Smart IoT Based Building and Town Dis­aster Management System in Smart City Infras­tructure，Applied Sciences，2018，8（11）.

［13］Kubo M，Yoshimura T，Yamaguchi A，et al. In­dividual Recognition-free Target Enclosure Model，Artificial Life and Robotics，2012，17（1）.

［14］Roberto A，Imane S，Jacopo M，et al. A Constraint-Based Model for Fast Post-Disaster Emergency Vehicle Routing，International Journal of Interactive Multimedia and Artificial Intelligence，2013，2（4）.

［15］Kunnath A T，Madhusoodanan A，Ramesh M V，Locating Emergency Responders in Disaster Area Using Wireless Sensor Network//Wireless Communications and Applications，2012.

［16］Khalil，K M.；Abdel-Aziz，M.；Nazmy T T，et al，The Role of Artificial Intelligence Technologies in Crisis Response，New York：Cornell University，2017.

［17］Jamil M；Ridwan M，Lessy. Web Application To Moni­tor Logistics Distribution of Disaster Relief Using the CodeIgniter Framework，International Journal of Artificial Intelligence Research，2017，1（2）.

［18］Pitiwut T，Artificial Hormone Network for Adaptable Robots，University of York，2013.

［19］［20］Singh V，Kumar G，Sabherwal D，A Com­parative Study of Computational Intelligence based Tech­niques in the Field of Remote Sensing Image Classification//International Conference on Computing for Sustain­able Global Development. IEEE，2015.

［21］Mohamad J，Mohammad R L，Web Application To Monitor Logistics Distribution of Disaster Relief Using the CodeIgniter Framework，International Journal of Artificial Intelligence Research，2017，1（2）.

［22］佚名，科技防灾：预测自然磨难的人工智能新技能［Z］，纽约时报中文网，2019-03-23.

［23］用AI预测地震、大水、飓风和火山喷发，现在已经成为了可能［Z］，每天快报，2019-03-17.

［24］Armstrong S，Bostrom N，Shulman C. Racing to the Precipice：A Model of Artificial Intelligence Development，AI & SOCIETY，2016，31（2）.

［25］Andrews S，Gibson H，Domdouzis K，et al. Creating Corroborated Crisis Reports from Social Media Data through Formal Concept Analysis，Journal of Intelligent Information Systems，2016，47（2）.

［26］Dethridge L，Quinn B. Realtime Emergency Com­munication in Virtual Worlds，International Journal of Disaster Resilience in the Built Environment，2016，7（1）.

［27］周利敏，钟海欣，“社会5.0”时期的大数据风险管理［J］，北京行政学院学报，2019（1）.

［28］周利敏.大数据时期的磨难预警创新——以阳江预售信息发布中央为案例［J］，武汉大学学报（哲学社会科学版），2017（3）.

［29］Mcmillan S，Manufacturing and Operation Costs Operating Manned Vehicle Technology with Medical Transport and Disaster Search of People and Victims vs. UAV/UGV Technology. ProQuest Dissertations and Theses，2018.

［30］Roberto A，Imane S，Jacopo M，et al，A Constraint-Based Model for Fast Post-Disaster Emergency Vehicle Routing，International，Journal of Interactive Multimedia and Artificial Intelligence，2013，2（4）.

［31］Sindoori R，Pallavi V. Abinaya P，An Overview of Disaster Recovery in Virtualization Technology，Journal of Artificial Intelligence，2013，6（1）.

［32］Facebook AI技能可识别大水和失火毁坏程度，有助紧急接济［Z］，凤凰网科技，2018-12-08.

［33］Ana-Diana A，Florin L，Gabriela-Maria A，Disaster Risk Management of Urban Systems，Bulletin of the Polytechnic Institute of Jassy：Constructions，Archi­techture Section，2006，LII（LVI）（3-4）.pp27-40.

［34］颜媚、张涛、石霖，AI+公共安全，大潮已起［Z］，公民邮电报，2018-10-11.

［35］雷锋网，提升磨难应对效率，日本政府欲利用AI共享防灾信息［Z］，科技新报，2018-03-01.

【基金项目：国家社会科学基金重点项目“面向人工智能时期的磨难管理研究”（编号：19ASH009）】