本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定反映《大众科学》的观点
飓风“多里安”在巴哈马群岛肆虐。大规模火灾在亚马逊森林中蔓延。今年夏天，一场7.1级地震和余震震撼了南加利福尼亚州。印度喀拉拉邦遭受了近一个世纪以来最大的洪水。
显而易见的是，世界各地的自然灾害正在造成越来越多的损失——而且未来可能会发生更具破坏性的事件。但是，我们如何才能防御和保护自己免受未来不可避免的灾难？
答案在于我们更好地预测、规划和应对自然灾害的能力。可以分析海量数据的新技术是非常有前景的工具，可以帮助社区领导者和应急管理者做出更明智的决策。这些技术是从机器学习领域发展而来的，可以补充和加强现有的灾难应对计划。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保未来能够继续讲述关于塑造我们当今世界的发现和想法的有影响力的故事。
机器学习技术可以帮助决策者更准确地回答紧急问题，例如：灾难何时来袭？破坏性有多大？哪些地区将遭受最严重的打击，这些地区有多少人居住和工作？哪些建筑物最容易受到破坏？是否会停电，如果停电，会在哪里停电？需要哪些设备和资源，需要多长时间？灾难应对工作将花费多少？等等。
简而言之，机器学习让计算机模仿人类学习，分析过去灾难的大量数据，从而产生关于当前和未来类似事件的新见解。计算机被训练成“思考”，处理信息并形成远超人脑计算能力的见解。
关于过去的灾难，有大量数据可供机器学习利用。事实上，它已经被用于改进灾难应对。例如，一些公用事业公司正在使用我的研究小组与俄亥俄州立大学的 Steven Quiring 合作开发的机器学习工具，来预测飓风和其他恶劣天气事件造成的停电。公用事业公司报告说，机器学习提供了关键信息，帮助他们改进决策。
在另一个例子中，一家初创公司开发了一个跨灾害平台，使用基于工程和机器学习的模型，向社区领导人和应急管理者提供信息，以增强长期灾害复原能力和短期灾害应对能力。另一家非营利性初创公司正在使用数据分析和绘图来连接灾难受害者与急救人员和志愿者团体。
此外，机器学习技术确实有局限性。它们只能处理和分析已输入计算机的信息。例如，如果一个极端大型灾难的数据不包含在数据集中，机器学习技术可能无法对未来类似事件做出准确的预测。机器学习的预测带有不确定性，决策者可能难以完全理解。
重要的是要强调，机器学习绝不会取代人类决策；它只是补充专家判断和传统的灾难应对方法。这与机器学习在其他领域的应用方式（例如自动驾驶汽车）有着关键的区别，在自动驾驶汽车中，该技术旨在至少部分取代人类决策。机器学习不能也不应该取代传统的灾难应对方法。鉴于情况的复杂性和严重性，专家的人类判断绝对至关重要。
我知道很多人对机器学习持怀疑态度。他们担心这门科学未经证实，并且没有足够的数据来预测未来的事件。但这些只是误解。机器学习，当正确使用并基于与未来情况相关的可靠数据时，已经在许多行业中得到证实。确实存在大量数据可以用于不同的事件和情况，即使在自然灾害领域也是如此。
随着洪水、地震和野火在未来造成越来越多的损失，机器学习应成为灾难应对计划的重要组成部分。如果我们不使用它，我们就剥夺了社区领导人和应急管理者在关键时刻改进决策的重要工具。