灾难面前温情太过苍白：智能技术对抗地震的真实战争
截止完稿时消息，“8·8”九寨沟7.0级地震已造成19人死亡，247人受伤。近些年在全球范围内不断发生的特大地质灾害一而再地提醒着我们，人类在自然界面前如此渺小，灾害带来的危险始终盘旋在现代文明的头顶。
所有温情的祈祷和关切，在真实的灾难面前都显得那么苍白。相比于这些，我们更关注人类能否用自己的力量去抵抗灾害，降低损失。今天各大媒体都报道了科技与互联网企业借助自身优势第一时间驰援灾区的消息。但事实上，科技在地震等地质灾害面前始终在尝试更多。
本文尝试列举信息与智能技术在对抗地震当中的应用和研发图景。其中有些触手可及，有些还在遥远的未来，但至少我们知道，这场用技术争夺生命权的战争正在无声处打响。
人类在灾害面前，从来没有如此有力和自信过。
智能与信息技术对抗地震的核心思路
人工智能为代表的前沿科技，正在以超乎普通人想象的速度加入对灾害预测、灾害处置、灾害救援的赋能当中。
总体来看，智能技术与信息科技主要从三个方面加强了人类在防震救灾当中的能力。
第一、用数据预测和模拟地震。
第二、智能化提高救灾物资运输与救灾人员调配效率。
第三、机器代替人类完成救灾高危作业。
这三种思路，包含着从预测地震到救灾，从整体防震到具体搜救场景的各方面。其中有些有望近期落地，有些则相对遥远。智能技术抗震的核心难点在于，地震救援是低概率事件，大部分技术成果难以有实际验证机会。这就需要更充分的拟真实验和地方政府大力配合。毕竟万全准备，才能夺生机于一时。
接下来让我们看看，哪些智能技术已经在蓄势待发中，他们各自需要克服的难点何在？又需要多久的成熟时间？
1、深度学习+大数据预测地震
价值：勘破地震预测谜题的新思路，提前预测地震的可能性
难点：目前还停留在理论与实验数据中
成熟时间：长期
地震预测是一项成功率很低的工作。通过以往地震数据的研究和推理，所得出的地震预测数据往往无法在接下来的实际灾害里证实。
在人工智能环境下，这种情况得到了一定改观：首先是数据开始增加和多元化，板块运动监控数据、地质环境数据、冲击波释放模型等等全新的地质学数据开始纳入地震预测数据当中。这些数据更全面的展示出地震的真相，打造出更科学的地震认知。
在数据增加的条件下， 一些欧美地质科学研究中心开始尝试与计算机科学进行跨界。其中一种思路是，不给系统太多数据。而是给出部分地震更全面的模型，让深度学习系统自我训练完善对地震规律的理解。
通过深度学习体系探究地震规律的真相，也许可以史无前例地让人类接近成功预测地震。甚至有可能达成提前数月、数年的地震预测。当然这一切还很遥远，仅仅停留在理论和试验中，却不失为人类彻底征服地震的钥匙之一。
2、数据模拟地震模型，制定应急方案
价值：为地震应急方案提供逻辑支持，对地震应急进行整体思考
难点：缺乏验证措施。难以给企业带来商业价值
成熟时间：2-3年
即使不能预测地震的具体时间，至少根据地质信息和数据信息，结合过去周边地区的地震进行迁移推理，可以比较有效模拟出不同震源与震级的地震所带来的影响。从而可以帮助城市与地区构建更准确的地震应急预案和应急体系。
在虚拟世界模拟地震，再逆推实际处置方案，在技术上已经没有高不能及的门槛。但这类技术推导出的结果没有验证机会，甚至大部分地区很少有启动可能，导致有兴趣参与其中的企业与科研单位较少。
缺乏应急预案往往是灾害造成巨大损失的关键因素。防患于未然必定是对抗自然灾害的大前提，这项工程需要政府和学界、商界的联合推动。
3、人工智能捕捉余震
价值：较为实用的新型地震预测技术，对于减免灾损有突出价值。
难点：缺少体系化解决方案，缺少技术验证机制
成熟时间：3-5年
地震灾害的一个重要特点，是往往强地震的瞬间损失并不大，但此后持续的余震可能造成大量生命和财产损失。如何在地震开始后，捕捉和预测余震也成为了地震预测当中的主要命题。
通过人工智能的深度学习与弹性网络技术，来分析强震之后的余震模型，推导地质结构、震源方位、震级等因素与余震的关系，就成为了一个难度相对较低，有较强可行性的人工智能应对地震方案。
今年中国地震局和阿里云举办过一次余震捕捉AI大赛，就是类似思路下的地震预测技术升级。
这类技术目前还比较零散，不够体系化，也很难有实际检验的机会。但成为未来地震预测系统的中坚力量应该不成问题。
4、震区通讯模型与通讯网络搭建
价值：优化灾区通讯能力，维护灾区民众情绪稳定
难点：目前从事企业较少
成熟时间：近期
地震发生后，往往会引发集中的通讯潮，一些通讯基础设施被毁坏的灾区更可能引发信息不当造成的慌乱。这类问题可以依赖灾区临时通讯模型来解决。
此类技术的逻辑，是用人工智能等技术来优化特定区域的通讯保障能力，比如调配基站网络来优先保障灾区通讯。再比如根据用户大数据，建立能够覆盖最多灾民的临时通讯网络和社交媒体传播网络。在已有资源基础上优化出灾区临时通讯网络。
这种技术依赖于对通讯覆盖效率与网络环境的算法模型搭建，在技术上门槛很低。也可以依赖智慧城市等行业并行。只是目前致力这一领域的企业较少。
5、房屋倒塌的预测与救援
价值：提高搜救效率，优化城镇抗震能力
难点：数据需求量巨大，研发成本高
成熟时间：3-5年
地震中最主要的人员伤亡损失来自两种：一种是房屋倒塌造成的伤亡，一种是泥石流与山洪造成的道路与村庄受损。而城镇房屋倒塌是最大的伤亡来源。
相比于地质与地理大数据门槛过高，研究者集中于学院和研究机构。城镇房屋的抗震则有很多高科技企业在参与，这也是人工智能对抗灾害的一个重要出口。
比如加州的One Concern，这家公司致力于首先通过搜集城镇中建筑类别、建筑年龄、建筑材料等数据，构建整个城镇的建筑模型。通过对各种地震进行模拟，来推断不同地震来临时的房屋倒塌情况，从而为快速救援提供依据。
这类技术有很多AI企业在参与，有些致力于提高房屋的抗震能力，有些尝试优化房屋保险模型，有些则尝试锁定救援重点目标。但此技术需要的数据量巨大，在国内需要较长的部署时间。
6、山体滑坡的预测与救援
价值：极大提高震后野外搜救的成功率
难点：数据门槛过大，一般企业难以获得价值
成熟时间：长期
相比房屋倒塌，泥石流与山体滑坡、山洪等野外灾害造成的人员损失可能相对较小，但搜救难度和所需要人力却成倍增加。
这类灾害的预测，需要建立在山体数据、植被数据、水域数据齐全，加上完善的人口聚集地与道路数据，才可以进行相对精准的灾后定位与搜救方案制定。
这些数据模型的建立所需成本极大，且一般企业难以触及。有赖于相对长远的灾害数据工程建立。
7、灾区人群跟踪与疏导
价值：预防次生灾害，稳定灾区社会秩序
难点：需要数据感知系统支持，基础投入成本大
成熟时间：3-5年
地震的一个可怕之处，在意地震后的次生灾害频繁，且容易造成大面积的社会问题。比如灾民由于恐震心理，出现不分时间地点盲目搭建防震棚，就有可能诱发瘟疫、社会安全和交通安全问题。再比如震时公共场所的盲目避震，可能造成踩踏事故等问题。
这类人群事故的一个解决方案，是利用目前在一线城市车站等人流集散地已经投入使用的人群监控与疏导技术。通过摄像头等数据采集工具监控人群，合理配置疏导人员、军警力量与食品、药品等配给，避免出现人群骤然聚集和恐震心里催生的次发灾害。
这种技术可行性有待提升，而且灾区缺少有效的数据采集设施也是核心问题。但通过智能系统来管理和引导人群，调配救援人力物力，必然是现代化救灾的核心突破点。
8、智能化调配救灾物资与人员
价值：优化物资调配效率，加速救援工作推进
难点：城镇外交通系统的实时数据建设。
成熟时间：近期
相信关注大数据与智能产业的朋友，应该对智能物流和智能交通并不陌生。在大型城市里外卖、物流、网约车，乃至城市交通调节都会用到这类技术。
这类技术已经有非常完善的多种解决方案，完全可以用来调配灾区物流与交通运输。至少可以一定程度优化灾区物资调配效率。其难点在于灾区交通环境复杂，而且缺少实时交通数据支撑，这还有赖于人工进行疏导和数据提供。
但至少将智能物流等技术与人工调配相结合，可以缓解一部分灾区运输负担，优化救灾工作效率，这一点不需要等待太长时间就可以实现。
更高等级的智能调配方案，是综合铁路、公路、桥梁，工厂、矿山、水库、城镇等设施与资源的综合调配，实现综合因素同步下的一体化救灾体系。这就是一个长期工程了。
9、智能机器人执行危险区域处置
价值：逐步代替人工完成高危作业
难点：机器人智能化程度有待加强，人机交互方式不足
成熟时间：近期
事实上，今天的救灾工作中已经不难看到救灾机器人的身影。从搜寻生命迹象、支撑重物，到高危环境探测、空中观察，都有机器人参与其中。但救灾机器人的问题首先是智能化程度不高，缺乏根据环境自主判断、自主决断的能力。另外机器人的人机交互非常不足，在缺少真人观察和指挥的前提下，机器人救灾往往只能完成单项任务，无法完成综合搜救的目标。
这两点有赖于芯片、终端硬件、交互系统、算法和物联网通讯能力的综合提高，但还是要承认，世界范围内的救灾机器人每年都有新进步，且都是长足进展。
在技术通往未来的道路上，以技术战胜灾害从来都没有离开人们的视线。
祝愿灾区民众一切安好，坚强面对。一切灾难都不是永恒的，人类正在一点点夺取未来，一步步战胜看似不可能的挑战。
相比于灾难面前诉说温情，我们更愿意正视的是一场正在发生的战争。这场战争打响了几十万年，主题只有一个：人类如何以技术夺取生存，如何以今天押注未来。