谷琶视点||周利敏等：人工智能时代的社交媒体与灾害治理

热烈庆祝广州大学公共管理学院

成立15周年（2004-2019）

     GUPA秉持“培育公共精神，创造健康社会”理念，坚守“立德树人，经世致用”目标，坚持“本土化，个性化，国际化”方针，营造“民主，团结，和谐，高尚”氛围，努力创建“体面的学术社区，博雅的知识高地，愉快的精神家园”，奋发成为“立足广州，服务广东，辐射国内，对接国际”的高水平创新型学院。让我们一起：服务国家，无畏艰辛；砥砺学术，创新生命；追求卓越，共享荣光！

广州大学公共管理学院

人工智能时代的

社交媒体与灾害治理

周利敏 刘和健

     灾害治理正迈向人工智能新时代，人类智能、机器智能与人工智能是灾害信息处理的三个发展阶段，人工智能时代的社交媒体与灾害治理研究视角主要有“人工智能有效论”、“灾害响应新系统论”、“智能提取信息论”、“智能检查监控论”及“辅助决策支持论”等，这一理论模型分为技术、开源、分类、位置与数据等五个基本维度。研究认为人工智能机器学习能自动从社交媒体大数据中提取有用信息，同时能有效识别灾民、估计其实际位置及评估灾后讨论主题等。进一步研究发现人工智能可以有效处理偏远地区社交媒体灾害信息，同时具有准确解释离线社区灾害信息能力，为不同群体在偏远虚拟社区提供灾害学习和决策平台。研究最后强调人工智能可能具有关键字错误搜索、测试与评估等潜在风险，尤其可能忽视弱势群体，但无庸置疑，它正促使灾害治理经历一系列创新活动，为其变革提供了重要动力。

一、人工智能时代灾害治理的变革

灾害治理正迈向人工智能新时代，近几年来，社交媒体在每一次重大灾害中的应用几乎都成为人们高度关注的重要议题，无处不在的微信、脸书、推特和YouTube等社交媒体为人们提供了巨量的实时图像、语音、视频、文本和数字等灾害信息。通过人工智能（AI）处理这些信息，人们获得了及时、准确与丰富的灾害信息及决策支持。传统上由人类完成的一些任务已被AI代理取代，并且得到了快速发展，逐渐取得了人类越来越希望的结果。人工智能已成为灾害治理的重心，它具备了改变灾害结果的可能。在最近几年中，全球各国利用人工智能处理社交媒体信息，为灾害治理提供实时信息分享、经验交流与新闻发布等。例如，2010年海地地震、2010年俄罗斯火灾、2012年美国桑迪飓风、2013年美国俄克拉荷马州龙卷风、2013年巴基斯坦地震、2017年墨西哥城地震和2017年美国辛迪风暴等，人道主义组织和志愿者利用人工智能与社交媒体抢救民众生命与财产安全，一种新的灾害治理趋势正在形成。

随着人工智能时代灾害治理新趋势的出现，不同领域学者也开始高度关注这一领域，代表性研究视角有：①“人工智能有效论”。马尔多纳多(Maldonado)等指出社交媒体已成为灾难治理有效工具，由于社交媒体大数据性质，通过人力资源筛选有用社交媒体信息并将其分类是一项非常密集的体力劳动，人工智能能有效过滤信息，同时实时识别潜在风险信息。[1] ②“灾害响应新系统论”。菲韦格（Vieweg）和霍奇斯（Hodges）认为人工智能与社交媒体结合有利于建构人工智能灾害响应新系统，如http://youtu.be/pqI2qcigiCw社交网站上的Web extra就是一种新型人工智能灾害响应（AIDR）视频，也是一个免费、开源且易于使用的社交平台，可用于危机期间过滤和分类社交媒体信息。[2]③“智能提取信息论”。安德鲁斯（Andrews）等发现在灾害期间，社交媒体往往会产生巨量的灾害信息，越来越需要人工智能来自动分辨与提取有用的灾害信息，以减少人类负担及人为失误。[3]在2015年尼泊尔地震中，人工智能驱动社交媒体向政府、民间组织和人道主义者及时通报信息。④“智能检查监控论”。马尔多纳多等认为当灾害发生后，社交灾害大数据具有噪音、冗余和模糊等局限，通过将所有社交媒体信息存储到灾害数据库中，通过人工机能机器学习及时分析以更好了解谁参与信息共享，[4]从而在灾害治理过程中有效监控社交媒体。⑤“辅助决策支持论”。德斯累杰（Dethridge）和奎因（Quinn）强调人工智能不仅通过学习算法探索社交媒体各种功能与自动识别有用信息，还能确定组织响应、组织附属及非附属个人身份在灾害治理中的角色，[5]进而为灾害治理提供辅助决策支持。

虽然学界取得了一些研究成果，但也存在许多不足：第一，无论从研究数量，还是从研究质量来说，相关研究还比较缺乏，而且已有研究侧重于人工智能与灾害治理、社交媒体与灾害治理双方关系的研究，专门针对三者之间内在关系的研究非常少见。第二，大多研究停留在理论与思辩层面，一些研究似是而非，实证性与实务性研究缺乏，量化研究明显不足。第三，相关研究主要采取自上而下的政府管理视角，自下而上的社会参与研究不足，民众如何利用人工智能处理巨量社交媒体灾害信息的研究还未展开。第四，成功的治理案例研究缺乏。虽然人工智能是一场灾害治理革命，但成功案例的研究却非常少见。因此，本文的目的是发现人工智能、社交媒体与灾害治理的内在逻辑与实践关系，具体分为几个问题：如何区分人类智能、机器智能与人工智能，如何建构人工智能时代社交媒体与灾害治理理论模型以供实践参考，如何通过实际案例来说明这一趋势及如何从理论与实践角度反思?综合起来引出一个基本问题：人工智能如何影响社交媒体及灾害治理？本文选择理论建构与多案例结合的定性研究方法来深入探讨这些问题。

二、从人类、机器到人工智能：灾害信息处理的进展

在灾害期间，决策者虽然通过社交媒体获得了巨量信息，但面临的重大挑战是如何及时有效获取与分辩这些信息，人类智能、机器智能与人工智能是灾害信息处理的三个发展阶段，人类智能与机器智能是信息处理的传统与现代手段，人工智能结合了二者优势，成为未来发展趋势，也是决策者急需要提高的能力。

图1 灾害信息处理的发展脉络

1、人类智能：信息处理中的能力陷阱

散布在全球各地的传感器及社交媒体产生了巨量信息，它具有来源广、数量大、多语言性、性质复杂、噪音陷阱、隐私性差和持续性等特征，使得灾害信息的处理异常复杂，对灾害治理产生了巨大困扰。社交媒体具有非常规、非传统与非单一等特征。在早期阶段，主要依靠人类智能处理，通过人工验证、教授和/或纠正信息输出。虽然人类智能能部分处理灾害信息任务，但并不能完全应对巨量信息处理的任务，这是学界和民众的一致共识。尤其当人类面对诸如数据配对、数据输入、标签信息、纠正或验证机器输出（即优化社交媒体信息处理性能）等任务时，这些都超出了其能力的范畴。在地震灾害中，人类也几乎不可能有效应对非常规与紧急状况。简言之，人类收集、抓取和分析巨量数据能力有限，同时耗时、耗力与易错，往往无法单独处理社交媒体产生的巨量信息，需要机器智能的帮助才能完成。

2、机器智能：技术模仿中的机器陷阱

在当代社会发生重大灾害期间，社交媒体产生了巨量信息，传统统计模型、信息技术及人类智能很难处理。在应急阶段，响应者需要紧急收集灾害信息，然后进行分类分析，这需要实时、敏锐与复杂信息处理能力，它超出了人类智能范围。人类情感也常常成为灾害治理的障碍，例如韩国庆州核电厂灾难就是由于人为失误而导致。机器智能模仿与替代人类技术，它没有感情，可以避免因情感失误而导致的灾难。机器智能模仿人类工作提取和分类社交媒体产生的巨量信息，并进行自动化实时分析与智能模拟治理，有助于准确找出灾害治理中隐藏的风险。但是，机器智能模拟成本非常昂贵，而且可能中断灾害的日常管理。[6]同时，民众在极端灾害情境与压力下，往往通过社交媒体夸大灾害程度，社交媒体信息也很容易被操控，机器智能无法辨别这些信息的真伪。此外，它还面临复杂性、噪音、体积与品种等陷阱，技术模仿人类的机器智能无法有效克服。

3、人工智能：人机合智的发展趋势

由于微信、推特与脸书等社交媒体发布的巨量灾害信息超出了人类能力处理范畴，机器智能失误现象也时有发生，人机结合即人工智能能将人类失误和机器失误降到最低，成为未来灾害信息处理的发展趋势。首先，人工智能机器学习（ML）适应于社交媒体算法，它能快速分析与处理巨量灾害信息，可取代人类常规动作。同时，基于AI和ML的灾害治理系统能实现仿真与模拟治理，具有自动处理信息、提供辅助决策与及时反应等优势。其次，人工智能结合了自动计算与人类计算优势，通过人类参与（众包方式）、机器学习与分类技术处理微信、脸书和推特等社交媒体产生的巨量信息流，快速将人类智能应用于机器智能。[7]最后，人工智能是一个模块化社交媒体信息处理系统，涵盖了灾害预防、灾中应急与灾后重建完整灾害治理全过程。例如，人工智能预警技术是一个非常先进的灾前控制系统，人工智能应急技术可以帮助人们利用社交媒体在灾中及时救援，人工智能重建技术通过社交媒体有效收集、分析与发布基础设施损坏、人员伤亡与捐赠需求等，帮助社会各界准确获取灾害信息及有效进行灾后重建。

三、模型建构：人工智能时代社交媒体与灾害治理的内涵

在当代，重特大灾害频频发生，与些同时社交媒体在信息交流过程中正发挥着不可替代的作用，成为人工智能时代灾害治理的重要特征。人工智能时代社交媒体与灾害治理系统是一个开放的信息交流与决策平台，它有效地结合了人类智能和机器智能，主要分为五个基本维度。

图2理论模型

1、技术维度：总体架构、神经网络与3D图像

人工智能技术是治理基础，它由各种组件、工具和计算模型等构成，同时允许用户更新、扩展和改进智能模型以响应动态环境。这一系统总体架构由服务器——客户端构成，它允许在多台计算机和平台上部署不同组件，这些组件和技术不需一开始出现，随着时间发展和实际需要灵活添加。[8]人工智能模糊评估和人工神经网络技术，适用于评估灾害现场、预测地面灾害运动及预测液化风险，其中人工神经网络技术是信息处理数学和算法基础，目前正在开发多层感知器神经元网络技术模型。人工神经网络分为输入、隐藏和输出三层，灾害信息函数从输入层传输到输出层，隐藏层是灾害信息计算功能区域。人工智能3D图像技术能模拟灾害治理环境，不仅为参与者提供在线论坛，而且为参与者在复杂的3D图形情境中提供交互、交流和模拟治理平台，它是一种虚拟化解决方案和信息共享平台。[9]人工智能技术平台采用主动学习方法，它能自动选择与标记潜在灾害信息。此外，这一模型还涉及技术创新、软件设计和网络设计等新技术研发与使用。

2、开源维度：源代码、非正式沟通与社会智能

人工智能系统是一个免费、完整与开源的平台，开源概念有一个基本理论假设：情报信息确实是公开的可访问来源，只需在合适时间内为适合的人收集与提供信息，它不是一项琐碎、复杂和要求高的任务。人工智能系统为源代码提供了存储库，它支持现有程序维护、增强和简化社交媒体信息处理，同时能有效评估灾害期间受影响者状况，为灾害治理提供了一种“非正式沟通”方式。基于现代通信设备上的社交媒体也是身体传感器，具有定位、跟踪与通信等功能，[10]同时也是一种廉价、快速与有效的信息传播方式，为民众提供重要的灾害信息来源，有利于其积极主动参与灾害治理过程，从而形成灾害治理的社会智能参与模式，这是一种“集体智慧”或“人群智慧”。开源也有助于评估救灾组织和灾民状况，使决策者的决策周期大大缩短，有效提升了灾害第一时间响应速度。总之，开源是一种新颖且经济可行的全社会参与治理模式。

3、分类维度：跨语言、非结构化与机器学习

人工智能能帮助专业人员从跨语言与各种非结构化数据中快速提取与分类灾害信息，语言在灾害信息收集过程中扮演了重要角色。由于语言来源不同，不同语言提供的灾害信息可能会造成信息混乱，往往对灾害治理造成巨大困扰。而且，民众直接提供的灾害信息，几乎没有经过任何形式的审查，灾害信息真实性往往无法保证。因此，政府和民众需要对发布在社交媒体上的信息实时过滤和分类，[11]根据类别输出信息、收集、制作危机地图和其他类型报告。政府和民众使用关键字或地理区域过滤微信、脸书和推特等社交媒体中的信息流，有效提取信息及分析灾害。人工智能还能检查与过滤众包信息、新闻报道和社交媒体数据等，通过机器学习对巨量社交媒体信息分类，进而建构危机地图并将此呈现给政府与民众，为其提供准确及时的灾害信息，进而提高其灾害响应意识及行动能力。

4、位置维度：GIS、危机映射与实时服务

位置信息是灾害治理过程中非常重要的一环，灾害发生在具体的时空背景中，人工智能时代的社交媒体能准确提供地理位置信息。人工智能地理空间信息系统（GIS）通过映射技术标记元数据经度/纬度坐标，同时提供众包与虚拟传感器网络服务，允许微信、推特与脸书等社交媒体绘制灾害地图。检测社交媒体位置主要是人工智能传感器系统，它提供了快速检测与低成本运营优势。人工智能社交媒体GIS系统与传统GIS结合，共同部署在人工智能传感器硬件系统，如原位地震传感器、遥感航拍和卫星成像等的结合。危机映射能够在实时地址发送推文，不仅可用推文标记地理位置，还可以访问所有已抓取的推文[12]，危机映射包括人群映射、众包信息收集和地理映射等，地理映射非常重要，它为决策者提供了地理信息与灾害地图，尤其是灾民信息与人群地图。[13]危机映射平台分为离线和实时服务，离线服务是社交媒体中提供了地理空间数据库，在灾前对潜在区域历史信息进行统计与计算服务。实时服务是从微信、脸书和推特等社交媒体中抓取信息，识别已知位置、提供实时危机地图及下载地理空间数据，同时对每个位置进行地理编码和批处理社交媒体信息，并将相关地址字符串和特定坐标返回危机地图。[14]人工智能地理信息系统（GIS）的应用增强了灾害情境态势感知，有利于行动者和决策者采取及时行动与作出明智决策。

5、数据维度：数据流分类、挖掘索引与挖掘指数

在灾害期间，民众通过社交媒体报告、评论和探索灾害信息，数据互操性对于信息共享非常重要，[15]人工智能处理社交大数据主要过程为：①社交媒体总体数据流分类处理。人工智能系统自动挖掘社交大数据，然后分成音频、视频、图片、文字及数字等，音频数据传递到媒体挖掘索引（MMI）中切分，视频数据处理通过关键帧提取、人脸检测、人脸识别、文本检测与后续文字识别等处理。②社交媒体数据挖掘与反馈。馈线器是人工智能系统与外界输入的接口，音频、混合音频与视频等从此输入，它从外部源快速摄取各种格式的新数据，然后交给后续文本和数据组件处理。③社交媒体挖掘指数(MMI)。它主要用于衡量灾害破坏和损失程度，音频、视频、文本和数据处理能力是数据处理的核心，由一组技术和相关模型构成。音频处理包括音频流分割与分类、说话人识别(SID)、说话人性别及自动语音识别，它被分割成均匀的语音段和非语音段，视觉处理包括人脸检测、人脸识别及视频信号文本插入。④社交媒体挖掘服务器和客户端(MMS和MMC)，挖掘服务器是用于存储社交大数据的实际服务器，也是更新和查询数据库的工具和接口，同时也是数据分析和可视化中心枢纽。所有用户交互都是通过客户端进行的，它为用户提供了查询、交互、可视化和更新存储等服务。[16]

四、国际案例：人工智能在灾害治理中的应用

近年来，社交媒体在灾害期间产生了巨量信息，通过人工智能处理社交大数据，为政府和民众提供了信息参考和辅助决策支持。目前，各国运用人工智能处理社交大数据，在灾害治理领域进行了一系列实践。

表1 全球代表性治理案例

国家	应对风险	发布时间	治理内容	治理效果
英国	城市洪水预警	2019年4月	●智能处理推特数据  ●关键词提取与分类          ●自然语言处理      ●计算机视觉技术            ●众包技术运用      ●洪水灾害数学计算模型	●处理性快速 ●准确性提高 ●真实性加强
欧洲	洪水预警	2018年10月	●实时报告进行预测  ●社交媒体洪水风险指数 ●数百个关键词收集  ●多语言分类系统	●缩短响应时间 ●提供有效信息
泰国	洪水应急	2011年秋季	●从巨量数据筛选必要信息     ●提取最新信息 ●智能提供相关网页链接      ●提供紧急救援	●第一时间获最新信息 ●灾情平稳无恐慌
巴基斯坦	地震救援	2013年9月	●系统学习、分辨与提炼推文标签     ●短时间内标注信息 ●标签有价值的200条推文	●智能提供基本信息 ●分类质量最高80％
尼泊尔	地震救援	2015年4月	●推送救援最新进展  ●政府机构运用社交媒体  ●确定经纬度位置    ●筛选公益组织联系方式	●有效分享经历 ●发布求助信息与救援
墨西哥	地震救援	2017年9月	●人脸识别、机器视觉和灾害大数据处理 ●社交媒体开展有效集体救援  ●机器学习算法	●提供最新与有效信息 ●提供信息决策支持

㈠英国邓迪大学洪水灾害预警实践

随着全球暖化和气候变迁加速，世界各地沿海面临海平面上升风险，英国邓迪大学（University of Dundee）因此开发了洪水监测预警系统。2019年4月28日至2019年5月3日，研究人员利用AI和推特数据分析洪水灾害，证明了人工智能方法的有效性与科学性。

第一，人工智能对关键词提取与分类。研究人员对2015年推持上某一个月数据进行流式传输和过滤分析，利用这一系统确定某个区域洪水风险什么时候超过阈值，进而触发推特自动收集与分析洪水数据，研究人员进而通过“洪水”、“泛滥”、“大坝”和“堤坝”等关键词（每次最多提取400个关键词）分析7,500多条推文。人工智能技术即机器人、本体、语义网及危机应对中的多智能体语言系统，迅速搜集了巨量洪水信息、有效识别洪水灾害及了解灾区情况。

第二，人工智能自然语言处理（NLP）系统。研究人员对洪水期间数百万条推文及其他社交媒体进行了多维语言分析，目的是为了减少信息泛滥和运用混乱情形。这一系统能对洪水实时评论和计算机交互，同时利用不同的机器学习算法处理洪水期间数据。自然语言处理系统为研究者提供了丰富信息，包括洪水位置、水深、洪水趋势、人类情感和损失估计，以此可以了解洪水灾害严重性、地理位置及其他信息，同时根据严重程度和位置等因素对洪水事件进行排序。

第三，人工智能计算机视觉技术。预警系统通过My Coast收集视频数据，这是一个超过6,000张洪水照片的众包应用程序，由用户采集和报告，研究人员利用AI从用户发布的图像中自动识别洪水泛滥场景。计算机视觉技术将洪水照片与其他照片区分开来，这一新技术突破（如语音和图像识别）个人层面的洪水风险信息收集方法。通过计算机视觉技术分析“关联社交媒体”，实现洪水信息可视化和“集体关注可视化”，成为理解数字时代灾民行为的基础。

第四，人工智能众包技术。在洪水预警中，研究人员通过社交媒体平台Web 2.0众包应用程序为用户提供信息通信、共享和协作功能，众包数据在微观层面为政府和民众定制风险监控信息，众包技术能更好监测城市洪水风险，它收集了沿海环境数据（如侵蚀和潮汐等），补充了传统遥感和目击收集数据局限，大大改进了洪水预报模型和预警系统。通过研究手机应用程序的众包信息，研究人员发现推特中的洪水等关键词与降水水平有关，众包数据分析与实际降水数据及道路封闭报告吻合，众包将这些数据转化为可操作信息以改善洪水治理。

第五，人工智能洪水数据分析。在洪水期间，民众、政府机构与民间组织通过社交媒体产生了巨量数据，分析社交媒体上高容量和高速度数据流非常困难，洪水监测预警系统以高分辨率计算机模型为基础，由于卫星遥感成本昂贵、数据收集与分析复杂，而且地面传感器网络安装和维护费用高，官方调查费用也非常高昂，这些阻碍了对洪水风险数据的确分析。[17]在洪水监测预警系统中，大数据、AI平台与数学模型结合形成了洪水风险数学计算模型，它是一种“数据同化”现象，提供了超分辨数据的能力，能够精确到尺，可以有效监测、干预和预防洪水风险。

㈡其他实践创新

欧洲委员会科学与知识服务联合研究中心研发了洪水预警系统（EFAS），它建立在社交媒体洪水风险指数（SMFR）基础上。欧洲洪水预警系统由欧洲委员会紧急响应协调中心（ERCC）运营，它是欧盟委员会专门的灾害援助部门。这一系统能有效监控洪水风险、收集与分析洪水数据，为应急管理部门和部署应急设备提供了决策支持。洪水预警系统主要关注中程洪水预报，包括季节洪水预报、洪水影响评估和洪水早期预警，通过识别最相似的历史洪水，进而快速预测洪水风险。同时，它能确定某一区域洪水风险何时超过临界值，一旦越过，系统就会立即收集社交媒体信息，一次能搜寻几百个关键词，但利用关键词提取信息往往比较困难，因此系统设置了人工智能多语言分类系统（SMFR），通过使用与语言无关的单词或嵌入单词从数学层面推断关键词之间的相似性。2018年10月，在意大利卡拉布里亚洪水来临前，欧洲洪水预警系统收集与分析前两天推文，有效提高了灾前响应准确性与效率。

2011年秋季，泰国首都面临严重的洪水冲击，对灾情进行及时与准确评估是政府与社会面临的主要挑战，然而这一期间普遍存在信息混乱现象，在一些极端地区还导致了灾民恐慌。灾害是一种不规则事件，在危机情境下获取最新与最准确信息非常关键。由于传统信息渠道单一、传播缓慢及情境缺乏等局限，新兴社交媒体在灾害期间发挥了关键作用，不仅提供了巨量灾害信息，还提供了灾害相关的网页链接。[18]人工智能从社交媒体中提取与分析灾害信息，帮助政府和民众第一时间获得最新信息，为受灾最严重地区和最需要帮助的民众提供人力援助和基本医疗紧急救援。随着时间推移，还能够确认是否引发灾民持续性恐慌，这对于灾后规划及恢复重建至关重要。在2013年巴基斯坦地震中，联合国人道主义组织收集了2013年9月25日20:20:09之间的巨量推文，通过人工智能在6分钟内学习、分辨、提炼与标签有价值的1,000余条推文，为人们提供了基本信息（即基础设施、损害、伤亡和捐赠等）服务，分类质量最高达到80％。[19]

2015年4月尼泊尔发生8.1级地震，依靠Wordpress搭建的网站、脸书与推特等社交媒体不断发送最新救援信息，同时与民众互动以获取最新信息，民众通过社交媒体报告、评论和探索信息，政府也通过社交媒体传播应急通信，社交媒体主导了新闻、气象机构、政府机构、组织和公众的信息传播。在一些救援团队还没赶到之前，灾民通过推特发送经度与纬度请求救助。CNN的 iReport 呼吁民众在留言板块中分享受灾经历或发布求助信息，还可以通过各媒体推特账号了解公益组织联系方式。通过各种人工智能技术处理灾害期间产生的巨量信息，为政府和民众提供了及时准确的信息服务。在2017年9月墨西哥城地震中，志愿组织通过无处不在的社交媒体抢救生命、开展集体救援及分发救援物品，民众将手机视频源源不断传送到社交媒体上。社交媒体已使用与依赖人工智能机器学习算法，同时利用人工智能实现人脸识别、机器视觉和数据处理等，为政府和民众提供最新信息和决策支持，同时将救援人员及时送到受灾最严重地区和最需要帮助的灾民。

五、结论：理论总结与实践展望

在灾害期间，由于信息缺乏、资源有限及时间急迫，灾害治理非常具有挑战性。在过去的十多年中，由于Web 2.0技术、社交媒体和人工智能的出现，为灾害治理提供了动态、持续与巨量信息，促进了灾害治理的重大变革。在前文论述的基础上，结论部分进一步强调以下几个问题。

第一，研究强调，灾害期间社交媒体上发布的灾害信息很短，如何检测和解释这些信息，这是灾害治理过程中面临的重大挑战。通过人工智能从社交媒体中提取与分析巨量信息，有效补充了人工采集信息的不足。同时，社交媒体在灾害期间的活动增加了数倍，推文转发活动明显增加，带有标签的社交媒体推文也大大增加，这表明人工智能时代的社交媒体已成为有效的减灾工具。此外，由于新一代人工智能技术的研究与应用，“超级人工智能”技术驱动的社交媒体灾害信息处理能力与效率也会进一步得到提高。

第二，研究认为，人工智能机器学习能自动从社交媒体中有效提取和过滤有用信息，帮助政府和民众快速获取准确信息并及时做出决策。同时，通过机器学习分析社交媒体巨量信息，能快速评估灾中应急和灾后重建阶段灾民救助的优先等级，它根据内部属性（即年龄、收入与就业等）自动进行优先级别划分及进行信息分类，有助于政府和民众制定科学性和针对性的救助策略。此外，机器学习还能有效识别灾民、估计灾民实际位置及评估灾后讨论主题等，帮助政府与民众适应极端变化的灾后环境及加强灾害治理。

第三，研究还认为在极端灾害情境中进行治理时，速度与全面性是两个至关重的要因素。灾害治理中最困难的是快速信息处理技术缺乏，社交媒体产生了巨量信息，同时也出现了信息混乱与错误等陷阱，因此，人工智能迫切需要提高信息处理质量和通信速度，以有效减少信息的不确定性及提高计算与比较成本效益。另一个是全面性，微信、脸书和推特等社交媒体通过提供系列灾害评估图片，能准确评估灾情、灾民及地理等信息，进而提供在地行动者意见、政府预警及灾民担忧等全面信息。

第四，研究指出人工智能不仅能有效处理巨量的社交媒体信息，还能为灾害治理提供智能模拟与仿真决策。人工智能提供了一个实时共享的在线社交媒体空间，通过3D图形图像模拟虚拟环境，参与者能有效交互、交流及模拟治理，这对于太远、太分散与数量多而无法亲赴现场的社区特别重要。而且，人们对距离较近的社区认识高于远离灾害的边缘社区，可能导致边缘社区风险假设及风险影响的错误认识。人工智能可以有效处理偏远社区社交媒体信息，它具有准确解释离线社区信息的能力。人工智能算法具有范围灵活性、地理可视化和社交网络功能，为偏远虚拟社区学习和决策提供了重要平台，也有利于韧性社区的创建。

第五，研究强调人工智能虽然为灾害治理提供了巨大的变革潜力，但也存在治理陷阱。社交媒体着重于“全球脉搏”，它在“全局脉冲”中累积匿名信息，可能出现人工智能错误搜索关键字、抓取与分析等情形。在2019年4月巴黎圣母院火灾中，YouTube上陆续出现火灾状况直播，然而却出美国“911 事件”标题信息，这是由于人工智能算法自动触发的推荐错误造成，人工智能图像自动检测系统很难处理突发事件与预设内容的相似之处，不能主动搜集其它证据和综合多信源判断消息是否准确。此外，人工智能如何处理社交媒体平台收到的大量敏感信息，尤其是以文本及视频发布的涉及国家安全信息。而且，人工智能也存在测试和评估局限，尤其可能忽视弱势群体问题，它存在强迫弱势群体适应人工智能的取向，没有将人工智能融入弱势群体生活世界的社会信息互动过程中。

目前，灾害治理正迈向“人工智能”与“社交媒体”结合的新时代，人们越来越多使用人工智能社交媒体平台，它促使了目前一系列灾害治理创新活动的开展，也成为国内和国际学术界激烈争论的问题，虽然这一新趋势可能带来许多潜在风险，但无庸置疑，它已引起世界各国的高度重视，为灾害治理变革提供了重要动力。

 
文章来源：《理论探讨》2019年第6期

基金项目：国家社科基金重点项目“面向人工智能时代的灾害治理研究”（19ASH009）

文章作者：周利敏、刘和健

作者单位：广州大学公共管理学院

化溥学坊

会议征稿

学术影像

新书推介

广州大学公共管理学院

GUPA荣耀2019

《南方治理评论》稿约

《南方治理评论》创办于2013年，CNKI来源集刊，由广州大学南方治理研究院主办、社会科学文献出版社出版的连续性学术性辑刊。

《南方治理评论》秉持“培育公共精神，直面转型中国，诠释社会热点，扩展学术深度，贴近重大需求，服务国家治理”办刊宗旨，追求“本土化、专业化、个性化、国际化”办刊方针，崇尚原创研究、微观研究和深度研究的学术精神，试图在中国繁杂的地方语境下运用本土话语体系着力解读地方性知识和日常性逻辑。

《南方治理评论》认为，作为以学术为业的研究者，我们应该告别那种脱离现实生活的玄虚的致思方式，以关注现实、关怀民生的学术伦理和脚踏实地、开拓创新的学术精神立足公共生活、直面中国现实，从而确立“中国之治”本土化研究的问题意识、研究旨趣和学术路向。

《南方治理评论》主要设置有“学术一线”、“数据治理”、“健康治理”、“灾害治理”、“都市报告”、“南国讲堂”、“珠江书评”、“行家对话”等栏目。

◎通讯地址：广州大学城外环西路230号文逸楼512室

◎邮政编码：510006

◎办公电话：[phone]

◎投稿邮箱：[e-mail]

◎微信公号：wanmuxuetang

◎投稿网站：http://iedol.ssap.cm.cn/(注册后选择“社会政法”)

广州大学公共管理学院

来源|GUPA教研事务部

协理|GUPA学生事务部

支持|GUPA行政事务部

出品|谷琶新媒体工作室

谷琶资讯   校园手信

【联络】广州大学城外环西路230号文逸楼5楼。邮政编码：510006。联系电话：[phone]（行政事务部）、39366775（教学事务部）、39366776（学术事务部）、39366703（学生事务部）。公共邮箱：[e-mail]。微信公号：gzdxggxy。【稿约】《南方治理评论》 ：[e-mail]。《社会创新评论》：[e-mail]