为什么说机器学习对灾难响应的影响至关重要

　　机器学习可以帮助决策者回答诸如“什么时候？、 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亚马逊森林的严重破坏，美国加州南部7.7级的地震和余震，印度喀拉拉邦出现近一个世纪以来最大的洪水。这些都在表明一件事，世界各地的自然灾害正在造成越来越多的破坏，未来，还会发生更多的破坏，那么，我们要如何保护自己免受来自大自然的灾害呢？
　　答案是，我们有能力更好地预测、规划和应对自然灾害的新的技术能够分析大量数据，是一个非常有前途的工具。可以帮助社区领导人和应急管理人员作出更明智的决定。这些技术是从机器学习领域进展起来的，能够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的回答紧迫的问题，如：什么时候灾难发生的呢？它的破坏性有多大？哪些不同地区将受到最严重的打击？多少人在我们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？需要我们什么设备和资源，需要多长时间？救灾工作将花费多少？等等。
　　总之，机器学习让计算机来模拟人类学习了很多过去的灾害数据进行分析，从而对当前和今后类似事件的新见解。 训练计算机“思考”，处理信息，发展远超人脑计算能力的见解。
　　机器学习可以利用过去灾难的大量数据。 事实上，它已被用来改进救灾工作。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，机器学习生活提供了关键信息，帮助他们可以改善了决策。
　　在另一个例子中，一家初创公司开发了一个交叉灾害平台，使用一种基于工程和机器学习的模型，向社区工作领导人和应急资源管理人员发展提供相关信息，以增强长期抗灾能力和短期灾害响应能力，另一个非营利性的初创公司正在使用的数据分析和地图技术，将灾民与紧急救援人员和志愿者组织。
　　此外，机器学习技术也有局限性。他们只能处理和分析数据输入电脑的信息。例如，如果灾难数据有很大一部分不是数据集，机器学习技术可能不会对未来类似事件准确的预测。机器学习预测伴随着不确定性，决策者难以充分理解这种不确定性。
　　必须进行强调，机器学习绝不能取代人类的决策，它只是一种补充了专家判断和传统的灾害风险应对方式方法，这与机械在其他领域（如自动驾驶汽车）的使用有着关键的差别，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取代救灾的传统方法。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。他们自己担心这门未经证实的科学，没有得到足够的数据来预测企业未来的事件，但是，这些都只是一种谬论，机器如果正确使用，以及有关未来事件的可靠的数据为基础的学习，许多业内人士已经得到了证明。 即使在领域自然灾害中，也有许多数据可用于不同的事件和情况。
    洪水，地震，野火在未来造成更多的伤害，机器学习应该成为救灾计划的重要部分，如果不使用它，我们就剥夺了应急资源管理工作人员在关键时刻改善企业决策的重要研究工具。

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！