臺風利奇馬過境后，“羅莎”又來了。

在冷空氣和臺風“羅莎”外圍環流共同影響之下，昨晚至今天的華北東部等地有分散性對流天氣，局地伴有雷暴大風、冰雹等強對流天氣。

受大風的影響，北京今天天空澄澈無比，北京多地PM2.5小時濃度僅為1微克/立方米。罕見的1微克藍色出現。

網友評論：“這是捅了臺風窩吧”。就在前幾天，超強臺風“利奇馬”登陸我國東南沿海，形成了嚴重自然災害并給受災地區造成了重大經濟損失。臺風“利奇馬”因其破壞程度強、風雨強度大、持續時間長、覆蓋范圍廣，也被人們稱為“烈馬”。

作為一名有多年豐富經驗的智慧城市行業從業者，“利奇馬”的肆虐使我陷入了人工智能與自然災害之間關系的深深思考，繼而聯想到了“智能城市”。

人工智能與臺風——感知、救援、預防

《地球與行星科學的進展》雜志曾發表過一篇文章：日本海洋研究機構和九州大學的研究小組利用人工智能深度學習技術，從全球云系統分辨率模型（NICAM）氣候實驗數據中獲得大量數據，從而成功開發出了“高精度識別熱帶低氣壓征兆云”的方法。該方法可以提前一周預測出臺風的路徑和強度，并預測暴雨的發生。

眾所周知，大氣的非線性變化極強，所以要做到精準預測是一件非常難的工作。該小組首先利用深度學習獲得更高的識別精度，將全球云系統分辨率模型20年積累的氣候實驗數據，進行了分析和再造，最終得出了可以提前一周預測臺風的集合識別器。

人工智能不僅可以預測臺風，針對災中救援，災后重建及預防也有很大幫助。

在人工智能問世之前，救援人員通過查看災區的空中紅外成像來尋找被困人員。但是從無人機上篩選照片和視頻需要耗費大量時間，而且在救援到來之前，被困者有可能已經死亡。人工智能可以在不到2小時的時間內篩選大量的鏡頭來找到被困的人。

人類在經過一次又一次的災難后不斷總結經驗，以便應對下次災難，并更好地做出正確的判斷，而人工智能的問世將為我們的判斷提供更準確和更快速的幫助。

舉一個我親身經歷人工智能預防的例子，那是我在巴黎出差的一個傍晚，突降暴雨。城市的路面積水不斷增多，巴黎的人工智能輔助系統就啟動了，它根據城市排水設計和雨量現狀以及未來降雨的預測，準確地計算出了城市里有可能發生危險的積水路段，并進行了危險等級劃分。

然后通過城市通訊網絡，對城市中的所有人員，包括我這個出差去巴黎的中國人，發送了暴雨和暴雨或將導致的危險短信，并且信息還提供了地圖影像很直觀的標注了積水路段的詳細信息，如果你要導航去某個地方它還會計算出時間，并自動避開危險路段。

打通數據流，讓AI預警更通暢

近年來人工智能技術的飛速發展，不僅在臺風預測、救援和預防上做了深度運用，類似的技術還同樣被應用到地震預報、城市洪水預報等與人類生活息息相關的領域。

人工智能并不遙遠，它正在悄悄地改變著我們的生活。無論是人工智能預測臺風還是人工智能指導救援或者人工智能災難預防，或是其他的人工智能技術。這些技術都是服務于人類的技術，就必定會從人類最密集的城市為中心向四周蔓延。

“智能城市”的核心是數據流。是一個個小小的數據流疊加在一起形成的。當這些小數據流的小邊界被打通，形成一個大邊界，然后這個大邊界和另外一個大邊界再次被打通時，智能城市由此誕生。

而人工智能的災害預警恰恰需要基于大量的城市數據基礎上進行分析，因此，我們需要將這些數據流打通，讓預測更加精準，更加及時，更加通暢。同時還需要保證這些數據流的相對安全。

比如，只有將臺風預警的數據與市民的電話通訊數據打通才能實現臺風預警信息到個人；與供水供電系統打通才能自動預測出對水電的影響程度……

其實，今年日本海洋研究機構和九州大學的研究小組就利用人工智能深度學習技術，開發了從全球云系統分辨率模型（NICAM）氣候實驗數據中高精度識別熱帶低氣壓征兆云的方法。

這個臺風預警就是利用以深度學習為代表的人工智能技術融合數據驅動方法和模型驅動方法，開展的臺風和颶風等熱帶低氣壓大數據分析。

研究小組將全球云系統分辨率模型20年積累的氣候實驗數據，制成5萬張熱帶低氣壓初始云及演變中的熱帶低氣壓云圖片，再加上100萬張未演變成熱帶低氣壓的低氣壓云圖片，共105萬張圖片組成10組學習數據，利用深度卷積神經網絡的機器學習，生成不同特征的10種識別器，然后構筑出可對10種識別器結果進行綜合評價的集合識別器。

利用上這種人工智能，或許可以提前一周預測臺風。而這提前的一周，或許就可以挽救無數的生命以及大眾的財產。相信在不遠的未來，在人工智能技術的加持之下，諸如臺風等自然災害可以被及時預測。即便是“利奇馬”來襲，大眾也可以免于恐慌。