德州、西班牙和莫桑比克最近发生的毁灭性洪灾，加上土耳其和叙利亚在地震后的持续救援工作，凸显了灾难响应中的一个关键挑战：快速定位失踪人员。尽管无人机技术和人工智能（AI）的进步带来了有希望的解决方案，但当前的能力并未达到预期，特别是在灾难发生后的关键初始几个小时内。尽管这些技术在评估飓风和野火等事件造成的结构性破坏方面取得了成功，但在洪水中找到被困或被冲走的人仍然是一项复杂的任务，高度依赖于人类的专业知识。
问题核心不在于缺乏技术潜力，而在于当前的 AI 系统在面对洪水造成的混乱且视觉复杂的环境时的局限性。无人机对于快速调查广阔区域、生成大量图像数据至关重要，其速度远远超过了人类搜救队在相同时间内所能覆盖的范围。然而，这种数据量的激增造成了瓶颈。当今的 AI 无法有效地扫描和分析如此大量的图像，无法优先考虑最有可能包含受害者迹象的图像，也无法在这些图像中精确定位他们的位置。虽然 AI 在识别受损建筑物或绘制野火周边区域等任务方面表现出色，但在瓦砾、浑浊的水中或植被的遮蔽下检测一个人的细微差别被证明要困难得多。机器学习科学家的目标是完善算法，以便根据包含受害者的可能性对图像进行排序，从而有效地充当搜救人员的分类系统。
关键因素，在各种报告中反复强调，是 AI 与人类合作的必要性。寻找洪灾受害者被归类为野外搜救行动，这带来了与其他灾难场景不同的独特挑战。AI 虽然尚未能够超越人类在受害者识别方面的准确性，但却显著提高了速度。这种速度至关重要，因为找到幸存者的窗口随着时间的推移迅速缩小。理想的情况是，AI 快速筛选无人机图像，标记潜在的感兴趣区域，然后依靠训练有素的搜救队进行确认并执行救援。这种协作方法利用了两者的优势——AI 的速度和规模，以及人类响应者的情境理解和判断力。例如，联合国世界粮食计划署已成功地在莫桑比克利用 GIS、无人机和 AI 来加速洪水后的受害者定位，这证明了这种综合战略的潜力。
挑战超出了 AI 的技术局限性。德克萨斯州克尔县遭受的破坏规模，161 人仍然失踪，以及在瓦砾遍布的土地上导航的后勤困难，都严重阻碍了搜救工作。救援人员正在使用直升机、船只、无人机和搜救犬的组合，但进展缓慢。德克萨斯州最近的暴雨进一步复杂化了局势，暂停了搜救工作，并造成了新的洪水风险。搜救人员所承受的情感负担——痛苦地梳理废墟，面对一些受害者可能永远找不到的严峻现实——也是一个重要因素。此外，在西班牙，需要 DNA 样本来识别被发现的尸体，这突显了悲惨的后果，以及受影响家庭漫长的解脱过程。使用无人机技术协助受害者身份识别对于防止这一过程的延误至关重要。
虽然无人机和 AI 代表了灾难响应能力的重要进步，但它们并不是快速定位失踪洪灾受害者的独立解决方案。当前的技术状态需要高度重视 AI 与人类的合作，其中 AI 充当一种强大的工具，以增强而不是取代训练有素的搜救人员的专业知识和判断力。持续的研究和开发，重点是提高 AI 分析复杂图像、优先考虑潜在受害者位置以及适应洪水环境的独特挑战的能力，至关重要。德克萨斯州、西班牙和莫桑比克发生的悲剧事件，是对改进这些技术并确保对未来灾难做出更有效和及时的响应的迫切需要的严峻提醒，最终增加了挽救生命的机会。
发表回复