一个印度小伙子设计了一个应急系统，可以快速确定最可能受灾严重的地区。甚至比报警求助反应更快。
2014年8月，一场6级强震撼动美国加州纳帕县，成千上万的来电随之蜂拥进911报警电话，报告轻伤、气体火灾等灾后状况。这些电话由负责调度的职员处理，他们还要和当地的消防部门主管合作掂量各个救援请求的轻重缓急。
应急响应小组的迅速反应避免了纳帕地震所可能带来的伤害扩大。这是旧金山湾区自1989年洛马普列塔（LomaPrieta）地震以来最大的地震，造成1人死亡和200人受伤。但这种应急响应工作基本上是被动的：等接到电话，知道谁可能最需要帮助，再派遣应急人员前往。如果一个人口更为稠密的地区发生一次强烈地震的话，这种应急方法的局限性便会凸现出来。
2014年，美国加州纳帕县6级地震现场
这也是艾哈迈德·万尼（Ahmad Wani）创办“One Concern”的原因。
这家小型科技公司致力于大幅检修我们现在应对灾难时的方法。当一场地震发生时，应急响应小组可以使用“One Concern”的算法来快速确定最有可能出现建筑受损和威胁生命的地区，第一时间向这些地点遣送救援力量，而不是再像以前一样依靠冗长的911求助信息列表或用调度员的直觉来做判断。
创办“One Concern”的艾哈迈德·万尼（Ahmad Wani）
目前北加州的圣马特奥县（San Mateo County）已经采用了这一系统的早期测试版本，旧金山和湾区阿拉米达县（Alameda Counties）也打算在下个月开始使用。
“我们使用技术手段制造不少智能手机和酷酷的小玩意，但却没有想到在灾难发生时利用技术来拯救生命，”万尼告诉美国媒体CityLab，“我们应该考虑这个问题，因为在这里我们谈论的可是生命啊。”
尼泊尔大地震过后，一位妇女坐在昔日的家门前
在没看到现场情况前，先了解损害程度
“One Concern”算法的目标是能预测一栋建筑会遭受到多大的伤害。这是一个十分有用的指标，帮助救灾工作人员了解哪里的居民会受到伤害、需要帮助。这一算法分析了各个建筑在此前的地震中表现如何，同时补充运用了土壤、附近水体、建筑物年限、近期建筑改造活动等数据，由此最终形成一幅有可能被损坏的建筑“热图”。
之后这一算法系统会将“热图”和人口及居住数据进行比较，按一天的时间顺序来制出一份优先响应的目的地列表。举例来说，如果地震发生在深夜，那么一所小学就不会排在前面；但如果地震在平日的上午10点袭来，那小学可能就会一跃成为最优先的救援目的地。此外，这一系统甚至还可以告诉先遣救援人员建筑物内人数，及预计损害程度等简要信息。
万尼称，“One Concern”能在几分钟的时间内作出预测，并且在城区范围内具有高度准确性。他表示这意味着这一系统虽然有错过某些受灾地的可能性，但总比起等到灾难发生后再临时抱佛脚要好得多。而在今后，救援人员在城市中行动时可能将使用“One Concern”移动应用来上传破坏等级信息和建筑物的照片，这些都会被标记起来用作优化算法运作。
“实际数据点和照片越多，算法的精确程度也会更高。”万尼说。
“并不是说他们不想救我们”
2013年，万尼来到斯坦福大学攻读研究生学位，研究学习抗震设计。万尼没料到，他的学术关注点会在未来发生改变。2014年夏天，他回到位于印度克什米尔地区的家中，和家人一同享受愉悦的家庭时光，但第二天早上大约3点时，大自然的暴力将这份美好给击了个粉碎。
受多日季风降雨天气影响，严重洪灾袭向克什米尔，造成近百万人流离失所。“15分钟不到，我家3层楼都被淹在水下了，”万尼回忆道，“我们被困在洪水中长达7天，我不知道我们是怎么活下来的，这简直太糟糕了。”
在被洪水围困的日子里，万尼和他的家人靠着躲避洪水时顺走的一些土豆片和煎饼度日，他们的邻居也从旁边的屋顶上给他们扔了些苹果过来。他们看见直升机飞过被洪水肆虐的土地，但出于某种原因，直升机并没有过来提供救援。
“第7天后，洪水开始减弱退去。第8天早上，第一架直升机停在了我们上空，从空中丢下了一块面包，而这居然就是所谓的救援，”万尼说，“我简直整个人都不好了。”
万尼在几天后回到了加州，但他仍对身处洪灾中那种被抛弃的感受难以释怀，他想不明白为什么受灾者得不到帮助，反而需要自行求生。后来他得知加州曾发生了纳帕地震这一灾难事件，这让他得到了不少启示。
“不是说他们不想救我们”，万尼说，“问题是当时有太多太多的人需要救助了，他们该怎么优化处理呢？他们并不知道哪里最需要帮助，这沦陷的是可是一整个城市啊。”
分分秒秒都至关重要
在明白问题所在后，万尼开始通过斯坦福大学教授吴恩达（Andrew Ng）的在线课程学习和优化有关的问题。吴恩达是在线教育平台Coursera和中文搜索引擎百度的领导人物。万尼的这项研究一开始还仅仅是学术研究项目，后来他们逐渐将“为地方政府配置更好的处理地震救援反应工具”列为己任。“One Concern”目前有7名成员在处理这些问题。
机器学习在应对灾难方面有很大潜能，但到目前为止能够使用这一技能的人的数量却是有限的。在回复CityLab的一封邮件中，吴恩达写道：“在灾害应对中，分分秒秒都至关重要。能够将先遣救援人员指向灾情最为严重地点的智能软件将有助于拯救生命。”
紧急救援人员们也对这一新的发展可能感到激动与兴奋。顿河·马泰（Don Mattei）是圣马特奥市紧急服务办公室的管理人员，他说，这一系统能在地震发生后即刻提供更好的态势感知。
以前，应急反应中心需要通过911电话和现场报告来将灾害信息拼凑起来。但有了“One Concern”后，如果圣马特奥市发生地震，“现在我就可以看着系统说，‘我认为灾害发生在这里’”马泰说道，“你将拥有明了发生了什么以及建构如何去处理的策略能力。”
马泰还补充说道，“One Concern”对于紧急行动中心的协调员和在灾难现场执行任务的士兵来说都是十分有用的。并且如果它显示在临近的镇上有更大的灾害情况，当地军队还能够更为快速地做好派遣后援过去的准备。
“One Concern”在未来还计划要着眼于洪灾领域，基于天气预报分析城市中最容易受到冲击的区域，帮助计划因应洪水来袭。但这还有很长的一段路要走。
现在，万尼和他的公司正努力提高他们提供给圣马特奥市的服务。那么如果有一场地震突袭此地，圣马特奥的应急反应协调员将会知道他们到底应该去到哪里救灾，甚至会是在求助电话打进911之前就已了然于心。
评论 (0)