科普丨可拓学，诞生于中国的人工智能的理论基础之一
[作者简介]
蔡文，1942年生，广东澄海人，广东工业大学研究员,可拓学创立者，国家级有突出贡献的专家
杨春燕，1964年生，山东泰安人，研究员，中国人工智能学会可拓工程专业委员会副主任
可拓学是用形式化模型研究事物拓展的可能性和开拓创新的规律与方法，并用于解决矛盾问题的科学[1，2]。它的研究对象是客观世界中的矛盾问题，逻辑细胞是基元，包括物元、事元和关系元。
可拓学的逻辑基础是可拓逻辑，基本理论是可拓论，可拓论由基元理论、可拓集合理论和可拓逻辑作为其三大支柱。其理论框架如图1所示。
可拓学特有的方法是可拓方法，包括可拓分析方法、可拓变换方法和可拓集合方法等。可拓论与可拓方法应用于各个专业领域的技术，称为可拓工程。可拓学在迅速发展中，其基础理论和应用研究都取得了长足的进步。在可拓论刚刚诞生不久，不少专家就明确指出，可拓论“带有很浓厚的人工智能色彩”[3]“必将渗透到人工智能及其相关学科中”[4]，从可拓学和人工智能的发展过程中可以看出，它们有着密切的联系[5]。本文从理论与方法[6]、应用与技术[7]和今后的发展三个方面来探索人工智能与可拓学的结合问题。
近几年来，不少学者就此进行了探索，尽管这些工作还是很初步的，但发展下去，将会产生有益的成果。本文也对这些研究作简要的介绍。
1．可拓论与人工智能的基础问题
人工智能正处于蓬勃发展中，并已取得丰硕的成果。从技术上，有的分支已有很高的水平，但在理论上，还有很多问题需要进行研究，有不少理论和方法还是不成熟的，各学派各有各的见解；可以说，“人工智能至今还未形成完整的理论体系”[8]。其中，对人工智能的发展有重要影响的如：(1)人工智能的核心及其形式化问题；(2)信息和知识的模型和表示方法；(3)搜索理论；(4)推理方法；(5)策略生成方法。
可拓论经过十几年的发展，建立了基本概念、思想、理论框架和可拓方法，把它们应用于人工智能的理论与方法，将是很有价值的。
1.1可拓学的研究对象与人工智能的核心
什么是人工智能的核心呢？Nisson认为，演绎推理是核心；Neuall说，思维规律的研究是核心；Sloman认为，智能系统是核心；Feigenbaram认为对知识的研究是核心[9]。而我国有不少学者认为，用计算机进行“问题处理”是人工智能的核心[10]，人工智能研究解决问题的思维规律及其计算机模拟。
可拓学的研究对象是客观世界中的矛盾问题，包括主客观矛盾问题（不相容问题）、主观矛盾问题（对立问题）和客观矛盾问题，并且建立了把问题进行形式化描述的模型，利用事物的可拓性和可拓变换，建立了解决矛盾问题的可拓方法和可拓工程方法。
实际上，很多智能活动的过程，甚至所有智能活动的过程，都可以看作或抽象为一个“问题求解”的过程。而可拓学研究的矛盾问题是问题的难点，解决矛盾问题是重要的智能活动，也是人工智能水平的体现，它比一般解题更富创造性，更强调智能的发挥，对解决矛盾问题的深入研究有助于人工智能理论水平的提高。另一方面，把可拓学对问题的形式化描述、可拓推理和可拓变换解决矛盾问题的过程和方法应用于人工智能中[11]，使计算机学会用可拓方法解决矛盾问题，这对机器智能水平的提高有十分重要的意义，对促进人工智能的发展有重要的价值。
另一方面，要实现人工智能，不确定性是无法回避的。关于人工智能的诸多领域，如专家系统、自然语言理解、控制和决策、智能机器人等尤为重要，因此，必须研究不确定性处理的理论与方法，研究它们的表示和处理技术。
按性质分，不确定性大致可分为随机性、模糊性、不完全性、不一致性和时变性等。概率论研究了随机性，模糊集理论研究了模糊性，对于后三者，即不完全性、不一致性和时变性，可拓学正在探索处理它们的理论与方法，这也应该是可拓学和人工智能的另一个结合点。
1.2可拓模型和信息、知识的模型化表示方法
问题，可以分为目的和条件两个部分。为了描述目的和条件，必须描述它们所涉及的物、事和关系。可拓学建立了以物元[12]、事元[13]和关系元[14]为基本元（简称基元）的形式
化体系，它可以简洁地描述客观世界中的物、事和关系，也可以为计算机所接受。用这种表示体系描述物、事、关系、信息、知识和问题的模型统称为可拓模型。
利用可拓模型，可以简洁地描述信息和知识。在人工智能已有的分支和知识表示体系中，信息和知识的表示各有千秋，但我们看到，可拓模型可以为人工智能提供一种简洁而逐步规范的知识表示方法。
另一方面，基元理论研究了物、事和关系的可拓性，为事物的开拓提供了理论依据与方法。信息和知识用可拓模型描述以后，可以利用基元的可拓性，开拓出新的信息和知识，为人工智能的策略生成技术提供依据，为信息开发和知识获取与挖掘提供新的理论和方法。可拓信息[15]和可拓知识库[16]的研究正是把可拓模型应用于人工智能的一种尝试。
1.3可拓集合与人工智能的问题处理、分类和识别
求“矛盾问题的解”，对人工智能的发展来说，是不能不考虑的。计算机要处理矛盾问题，可以运用可拓学的基本思想和方法。用可拓学解决矛盾问题的集合论基础是可拓集合论，其本质是“非变为是”、“不行变行”、“不属于变属于”等的形式化描述。它也应是计算机进行矛盾问题处理的理论基础之一。可拓集合描述物、事和关系的性质的可变性，描述量变和质变，也是人工智能解决问题的定量化工具。可拓集合一方面用可拓域表示可拓变换使负域的元素转化为正域的元素的可能性，另一方面，用关联函数定量地表述问题性质变化的可能性。可拓集合的本质体现在可拓域、零界和可拓变换中。计算机如果能利用它们处理事物性质的动态变化，进行创造性思维和生成策略，并利用可拓集合作为解决问题的定量化工具，进行定性和定量相结合的操作，那将大大提高机器的智能水平。
集合，是人类进行分类和识别的一种方法，经典集合、模糊集合和粗糙集合都分别提出了各自的分类识别的方法和准则，它们成为各自形成的分支的理论基础。这三类集合方法大多把事物具有某种性质的程度看成不变的，可以说，是从“静态”的角度考察事物。但在客观世界中，事物具有某种性质的程度是在变化的，也只有这样，矛盾的问题才能转化为相容的问题。为了从本质上考察动态的事物和变化的过程，可拓集合建立起来了。可拓集合把分类与变换（包括时间、空间的变换）联系起来。根据这种分类思想，元素的分类是可以改变的，它具有某种性质的程度（关联度）也是可变的。也就是说，在一定的变换下，负域的元素可转变为正域的元素，这就为矛盾问题转化为不矛盾问题提供了依据。
分类，是人工智能进行识别、检索、决策和控制的前提。显然，分类的模式决定了模式识别的方法，可拓分类方法[11]可为动态事物和动态过程的模式识别注入新的方法。因此，把可拓变换的思想引入到识别中，把可拓方法应用于识别研究将使计算机的分类和识别能力提高。
1.4可拓逻辑
人工智能的逻辑学派发展了非单调逻辑、缺省逻辑、可信度逻辑、时序逻辑、模糊逻辑和开放逻辑等，从而使推理可以在部分事实错误或暂时错误的情况下进行。人工智能的知识学派发展了规则基推理、语义网络推理、case基推理、模型基推理等，随着知识表达和知识获取研究的深入，问题求解范围的扩大，推理范畴从演绎推理扩展到归纳推理[17]。
要使计算机能利用可拓模型处理矛盾问题，生成解决矛盾问题的策略，必须研究带有矛盾前提的逻辑。可拓逻辑就是研究化矛盾问题为不矛盾问题的推理规律的科学，它是继基元理论和可拓集合理论之后提出的，成为可拓论的第三个支柱。
在解决矛盾问题的研究中，我们发现，利用现有的逻辑来解决矛盾问题显然是不行的。这是因为，要解决矛盾问题不仅要涉及数量关系，还要涉及事物、事物的特征和量值。不仅考虑静态的事物，还要考虑它们的动态变化。不仅进行推理，还要涉及创造性思维过程，不仅需要不矛盾的传统逻辑，还需要允许一定矛盾前提的逻辑。因此，我们探索可拓学特有的逻辑。可拓逻辑[18]是异于形式逻辑和辩证逻辑的逻辑,它有如下几个特点：
（1）研究使矛盾问题转化的逻辑
数理逻辑主要研究没有矛盾前提的逻辑。但是，人们天天要与矛盾打交道，天天要处理各种各样的矛盾问题。因此，我们必须研究如何在矛盾前提下，通过某些变换，得到不矛盾的结论。
数理逻辑研究经典数学中推理的规律，模糊逻辑研究模糊数学中推理的规律，可拓逻辑研究可拓学中推理的规律。由于经典数学研究的是确定性的问题，模糊数学研究的是模糊性的问题，可拓学研究的是矛盾问题。因此，它们对应的逻辑随研究对象的不同而不同。
（2）逻辑值随变换而改变
在经典逻辑和模糊逻辑中，事物是否具有某种性质，命题为“真”或为“假”是相对固定的。但在可拓逻辑中，由于引入了变换（包括时空的改变），事物具有某种性质的程度和命题“真假”的程度随变换而改变。可以说，经典逻辑和模糊逻辑从“静态”的角度研究事物的性质和命题的真假；可拓逻辑则从“动态”的角度讨论事物具有某种性质的程度和命题真假的变化。
（3）形式逻辑的形式和辩证逻辑的思想
可拓逻辑对语句或命题真假程度的描述成为描述事物矛盾程度的依据，也成为描述矛盾问题相容度的依据
可拓逻辑要研究“变”的推理规律，就必须符合自然辩证法的基本规律。因此，可拓逻辑也进行了哲学原理形式化的尝试。通过用符号表达某些哲学原理，可以对这些规律进行操作和运算，使辩证逻辑不仅仅停留于自然语言的描述。
可以说，可拓逻辑汲取了形式逻辑形式化的做法，采用了辩证逻辑的思想，结合并发展出描述可拓思维形式,以化矛盾为不矛盾的逻辑。
可拓方法在人工智能技术中的应用
人工智能是一个正在探索和发展中的学科，至今还未形成完整的理论体系。但在人工智能技术方面，有的已经达到了一定的水平，人工智能的基本技术，至少应包括知识表示与知识库技术、推理技术、搜索技术、归纳技术和联想技术等。
可拓学的基本方法可以运用到人工智能中，除了上述技术外，可拓学重视创造性思维，其菱形思维方法在产品概念设计和决策中的策略生成等方面具有其独特的作用。把可拓方法应用于人工智能将会产生很有特色的策略生成技术[19]。
2.1可拓方法在知识表示和知识库技术中的应用
知识表示、知识获取和知识处理是知识工程的重要内容，而其核心是知识表示。目前人工智能常用的有产生式系统、语义网络、框架表示、模糊逻辑表示等，这些知识表示各有特点，如产生式的自然性，语义网络的层次性，框架的通用性，模糊逻辑对模糊知识的适用性等，但它们也各有其局限性，如产生式适用于表达表层知识，而表达深层知识则十分困难。框架的固定性使许多表达结果与原型不符等等。知识表示的能力直接影响了推理的有效性和知识获取的能力。因此，目前在智能专家系统构造中面临一些较迫切需要解决的问题。一是知识获取方面的困难，这包括领域专家提供的知识之间存在着矛盾性，需要设计出有效的而且适用矛盾问题的知识表示；二是现有的专家系统很少有自学能力，系统不得不包含数万条规则，使维护与管理工作困难，这显然是与知识表示方法有关的；三是由于知识表示能力的限制，使复杂系统的固有结构和功能方面的深层知识难以表述，比如知识中的语义逻辑和语用逻辑[20]等等；四是创造性思维还很难在智能体系系统中得到“发
挥”。
可拓模型[21]以物元、事元和关系元作为描述事、物和关系的基本元，统称作基元。可
拓模型对于描述客观世界的物、事和关系具有简洁、统一和使用方便的特点，
利用它们来描述信息和知识，可以克服上述描述方法的某些缺点，也便于计算机操作。其次，基元的可拓性系统地描述了事物开拓的多种可能性，为提高计算机的创造性思维能力和发展策略生成新技术提供了新的理论和方法。第三，利用基元的可拓性可以为知识获取提供新的技术和方法。正是可拓模型具有它特有的功能，因此，它将在人工智能的知识表示技术中发挥重要的作用。
知识库技术与知识表示密切相关，目前知识系统或专家系统拥有的知识多是表层知识。而解决多种复杂问题，特别是矛盾问题，就必须解决深层知识的获取、存储、表示、处理和应用的问题，以及创造性思维能力和策略生成问题。只有如此，才能提高问题求解的能力和灵活性。可拓方法从定性和定量两个角度，研究解决矛盾问题的规律和方法，为在知识库系统中解决深层知识的获取和处理提供了新的工具。
把可拓学的基本原理与方法应用于知识管理[22]，有可能为解决知识管理中的矛盾问题提供有效的工具，使知识管理的形式化和规范化程度提高。
知识推理把深藏着的知识开发出来，它包括隐性知识显化和数据挖掘两个部分。可拓学所提供的可拓方法形式简单明了，便于不同领域的学者使用，而且思路开阔，方法灵活，为潜在知识的显化提供了思维方法和可操作的工具。可拓模型表达知识所涉及的基本概念和基本思想，利用基元的可拓性可以方便地不断扩充，逐步完善，形成思路清晰、模式规范的显式知识，运用可拓学原理与方法使潜在知识显化的过程形式化和规范化，将会带来知识推理研究上的新进展。
把可拓方法应用于数据挖掘，提出了可拓数据挖掘方法[23]，可以建立基元数据仓库，通过从不同角度对事、物和关系及其特征和量值进行统计分析和预测，再运用可拓方法进行开拓、变换、评价和选优，为多类决策提供具有拓展性的相关知识，并可挖掘变化的知
识[24]。
对可拓信息和可拓知识[25]的研究，将为人们提供更有价值的信息和知识，这些信息和知识在解决矛盾问题时具有非常重要的作用。
2.2可拓推理在人工智能推理技术中的应用
推理技术是人工智能的重要技术，它研究前提和结论之间的各种逻辑关系及真度或置信度的传递规律等。对推理的研究往往涉及对逻辑的研究，逻辑是人脑思维的规律，也是推理的理论基础，现有人工智能的推理系统，不少是建立在形式逻辑的基础之上，它有两个明显的特征：一方面，它是建立在知识完全下的推理，另一方面，它是封闭的，即当公理及推理规则一旦给定之后，人们从一个形式系统中能学到的全部知识已隐藏在公理及推理规则中，在形式系统内部不能描述公理的增加和修改。但是，人脑的大部分思维活动都是在知识不完全的情况下，在不断探索中完成的。因此，现有人工智能的推理具有一定的局限性，尽管为了让机器能模拟人类的思维活动，人们发展了不少不确定性推理模型，但大多缺乏人类处理问题的变通性和创造性。即知识不完全时，如何利用知识库的知识对环境进行作用，以产生新的知识，使问题得到解决，而以可拓性为基础的可拓推理，在形式化和模拟人类思维的变通性方面将是一种具有创造能力的推理方法。
可拓推理[26]包括基元拓展推理、传导推理、共轭推理和处理矛盾问题的推理等。可拓推理的核心机制是变换，这与传统推理以蕴含和匹配为核心的机制不同，它的目的是生成、选择恰当的基元去变换原有的基元，从而使矛盾问题得到解决。可拓推理应用的重点应该放在如下两个方面：
(1)把可拓推理演绎成可拓算子，编制成算法和软件，运用于生成可拓信息或可拓知识。这在搜索技术和数据挖掘中将有重要的价值。
(2)在策略生成方面，以可拓性为依据深入分析策略生成的推理过程及推理机制，研究生成策略的推理技术，制定解决矛盾问题的解题策略，使之在计算机上实现。
2.3可拓方法在策略生成技术中的应用
问题求解的关键在于如何生成解决问题的策略[27]，然而，在目前已有的对于复杂问题的决策分析和处理过程中，不少只是对若干已有策略的评价选优，而这些策略是怎么生成的，却无从稽考，策略生成的问题也是海内外学者感到棘手的问题。
解决矛盾问题的关键是策略生成。策略生成是一种创造性思维过程。它与强调演绎和归纳的收敛性思维不同，它强调发散性思维和收敛性思维相结合，强调解题过程中事物的变换。
为了解决矛盾问题，可拓学重视策略生成的研究，建立了生成策略的菱形思维方法，把发散方法与收敛方法结合起来。可拓学中菱形思维方法的发散部分是利用基元的可拓分析和共轭分析，根据已有的信息和知识，按照可拓推理，生成一批解决问题的策略。利用这种方法，有的学者已开展了用计算机进行产品概念设计[28]和营销策划[29，30]的研究，从发展看，将会形成人工智能中基于可拓方法的策略生成技术。
可拓营销策略生成系统[31]是研究策略生成技术的一种尝试。它根据企业的现状建立基础库，让企业负责人全面了解本企业的情况。通过可拓分析和共轭分析，把存在的问题置于“问题库”中，利用可拓方法建立“变换库”，根据菱形思维方法生成解决问题的多种策略，并用优度评价方法得出策略的优度，提供给企业负责人进行决策。概言之，该系统是为企业负责人全面了解企业的情况，界定问题并作出决策支持而研制的。
产品的设计可分为概念设计和构型设计两个阶段。文[32]把要进行设计的产品用物元描述，利用物元的发散性，进行产品创新和构思，得到多种新产品的方案，再利用优度评价法，对多个方案进行评判，选出产品设计的较优方案。
基于可拓方法的策略生成技术使人们的发散思维过程能形式化地描述，让计算机有效地模仿人的思维进行创造，使研制为产品概念设计提供支持的系统成为可能。
文[33]研究了基于物元可拓性的推理模型，以新产品构思的第一创造法为背景，给出一个模拟发散性思维的推理系统，并给出了算法分析。文[6]和[34]提出构思产品的三类创造法，这三类创造法可以通过计算机来实现。研制产品构思系统]将是人工智能的策略生成技术的一种应用。
2.4可拓方法在搜索技术中的应用
搜索，是指寻找问题的解的过程或技术，如寻找矿藏是一种搜索，在公安部门，寻找罪犯是搜索，在军事上，雷达预警，寻找敌方部队等等也是搜索。
搜索，往往是根据少量的信息去寻找某些目标，它研究如何从一个浩瀚的对象（包括知识本身）空间中搜索（或探索）满足给定条件或要求的特定对象。在搜索过程中，我们首先对已经采集的信息，利用可拓方法，判别其真伪，再利用物元和事元的可拓性去开拓出更多的信息，然后进行多次发散和收敛，逐步找到要搜索的对象[35，36]。如果搜索的对象是人或人参与的活动，可以利用可拓分析方法研究被搜索者可能采取的策略，从而根据他们的策略及相应的信息去寻找被搜索者。
搜索，碰到的难题就是已知的信息很微弱，很少。正因为这样，可拓方法在这里大有用武之地。利用计算机储存的有关信息，根据可拓方法获取一批可拓信息，再对可拓信息进行评判，有助于加快搜索的速度和提高搜索的准确性。
利用可拓方法和计算机结合进行搜索将对人工智能技术水平的提高有重要的作用。
3.可拓学与人工智能结合的重点研究方向
可拓学是数学、哲学、工程学交叉的一门学科[37]。可拓学与人工智能相结合的重点研究方向是矛盾问题的智能化处理。
以问题处理为核心，用可拓模型描述信息和知识，建立可拓推理和可拓算法[38]，充实和发展可拓理论，以探索人工智能的理论体系和应用方法，将是今后可拓学研究者与人工智能工作者相结合的方向。可拓模型的建立方法、可拓推理技术、可拓算法、可拓分类技术、可拓策略生成技术、共轭分析技术、可拓搜索技术等的进一步深入研究，将为矛盾问题的智能化处理提供合适的技术。
随着科学技术的发展，各个领域都要涉及矛盾问题的智能化处理。研究如何使计算机能生成解决矛盾问题的策略，以提高kltrrtgm计算机的智能水平已显得十分迫切。由于网络和计算机已渗透到人们生活和工作的各个层面，因此，充分利用能处理矛盾问题的智能系统将是今后国民经济很多领域现代化的重要任务。面向未来，没有处理矛盾问题的软件和网络、没有从帮助用户解决矛盾问题的角度出发的信息平台，就无法实现真正意义上的智能化。因此，研究矛盾问题智能化处理的理论与方法是人类进步和国民经济的前沿课题，也是技术领域信息化、网络化进程中无法回避的重大问题。
为了解决具体的矛盾问题，我们必须研究能处理一般矛盾问题和领域中矛盾问题所需要的形式化模型、定量化工具、推理的规则和特有的方法，特别是把矛盾问题智能化处理发展为国际领先的方法和技术。因此，研究利用计算机帮助处理各部门所遇到矛盾问题，是经济、社会和国家安全所需要解决的重要课题。通过近年的研究，我们认为有望在如下几方面取得突破性的成果：（1）有助于帮助人们处理矛盾问题的计算机的研制；（2）基于可拓论的智能系统的研制在多个领域得到应用；（3）可拓策略生成软件在多个领域得到应用；（4）可拓数据挖掘软件在多个领域得到应用。
人工智能的工作原理是什么
原标题：人工智能的工作原理是什么？人工智能的工作原理是：计算机会通过传感器（或人工输入的方式）来收集关于某个情景的事实。计算机将此信息与已存储的信息进行比较，以确定它的含义。计算机会根据收集来的信息计算各种可能的动作，然后预测哪种动作的效果最好。计算机只能解决程序允许解决的问题，不具备一般意义上的分析能力。
简介：
人工智能（ArtificialIntelligence），英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。
科学介绍：
展开全文1、实际应用
机器视觉：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
2、学科范畴
人工智能是一门边沿学科，属于自然科学和社会科学的交叉。
3、涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论。
4、研究范畴
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法。
5、意识和人工智能
人工智能就其本质而言，是对人的思维的信息过程的模拟。返回搜狐，查看更多
责任编辑：面向人工智能时代的灾害治理——基于多案例的研究
作者：广州大学公共管理学院教授、博士生导师周利敏
摘要：人类正步入一个“人工智能”时代，它为灾害治理变革提供了重要动力。人工智能灾害治理模型分为平台、工具、地理、模拟、决策与社会六个基本维度，它建构在复杂适应系统、社会技术和人类因素控制系统的基础上。这一分析框架分为“人工智能—治理趋势”“人工智能—治理环境”“人工智能—治理体系”与“人工智能—治理行动”四个面向。研究认为人工智能提供了一种更方便与科学的模拟治理、仿真实践和情境治理，在高度复杂与动态的灾难情境下，人机协作有效辅助灾害响应是灾害治理成败关键。它虽然具有地理系统与人工智能结合、人工超级智能与新技术结合、群体智能与计算智能结合、遥感图像与人类思维模型化结合等光明前景，但也存在技术激增与人类终结、自主性与可靠性、体积与品种等陷阱。研究最后强调灾害治理与人工智能结合是新兴的交叉研究领域，它掌握了跨学科灾害研究的全部复杂性，为学界、政府和实务界提供了重要的理论范式、政策工具和实践指南。
关键词：人工智能；灾害治理；大数据；辅助决策；群体智能
一、缘起：“人工智能”时代灾害治理的变革
人类正步入一个“人工智能”时代。2015年1月，一大批高科技和科学领域知名人士和人工智能专家发表了一篇名为“强有力和有益的人工智能研究重点：一封公开信”，呼吁研究Al的社会影响。［1］2016年美国发布《国家人工智能发展与研究报告》和《为人工智能的未来做好准备》，提出推进人工智能在灾害治理中的应用。2017年7月8日中国国务院在印发与实施《新一代人工智能发展规划》中明确提出促进人工智能在公共安全领域深度应用，围绕地震灾害、地质灾害、气象灾害、水旱灾害和海洋灾害等重大自然灾害，构建智能化监测预警与综合应对平台。国内各个省市积极响应，以广东省为例，2018年7月广东省颁布的《关于印发广东省新一代人工智能发展规划的通知》（粤府〔2018〕64号）、2017年8月广东省政府发布的《广东省战略性新兴产业发展“十三五”规划》及2018年10月广东省科学技术厅印发的《广东省新一代人工智能创新发展行动计划（2018-2020年》等政策文件中都强调人工智能在灾害治理中的重要作用。这些充分表明，随着全球灾害发生频率和强度不断增加，不但西方发达国家开始高度重视人工智能的重要作用，一些发展中国家也同样如此，如2017年孟加拉国洪水造成了1000多人死亡，政府因此建立了2000个救灾营地，帮助非政府组织掌握人工智能技术，使其在救灾基础设施缺乏地区能快速采取应急救援行动。
人工智能灾害治理包括人工智能技术与思维两个层面，近几年来国内外学界研究方兴未艾，目前主要集中在这些视角：①“人工智能响应灾害新论”。人工智能与大数据混合有利于建构人工智能灾害响应新系统，如Webextra是网站上一种新型的灾害响应人工智能（AIDR）视频，同时是一个免费、开源且易于使用的平台，用于人道主义危机期间过滤和分类微博消息。［2］②“机器人代理新行为论”。示范学习（LFD）是机器人灾害治理代理的新行为方法，从自主轨迹映射到灾难响应，机器人能自主操作、记录GPS位置及标记实时灾害信息。［3］③“社交媒体人工智能治理论”。机器智能在灾难期间通过使用AI和机器学习，自动从社交媒体数据中提取有用信息。［4］④“人工智能治理技术论”。例如，混合人工神经网络技术具有情境感知功能，它能预测和响应不确定性地质环境风险，“类似人类视觉注意的智能系统”能有效提高应对人员对恶劣灾害环境认识。［5］⑤“人工智能模拟灾害治理论”。虚拟化是灾难恢复最佳技术之一，地震防灾支持工具使用增强现实（AR）3DCG动画功能，在有或没有地震灾害情况下模拟与体验家具摇晃。［6］⑥“智能型可视化灾害治理论”。通过将专家系统和人工神经网络应用到防洪减灾决策支持系统，设计GIS智能型防洪减灾决策支持系统总体框架，实现灾害信息可视化管理。［7］
虽然学界在这一领域取得了一些研究成果，但也存在一些不足：①研究相对分散。大多侧重于技术、管理与理论应用层面，专门针对人工智能灾害治理的研究非常少见。②不同学科之间交流与对话不足，基本的人工智能灾害治理共识尚未形成。③研究的广度和深度有所欠缺。大多停留在理念与概念层面，案例研究少见，量化研究更为不足。④许多研究采取自上而下视角，集中于管理、制度和政策设计，较少取自下而上的民间与社会治理视角，双向结合研究更为少见。⑤主要做描述性、诊断性及应用预测性（会发生什么）分析，缺乏在此基础上深入的理论研究。⑥国内与国外研究对话不足。国内学界虽应立足于现有国情与社情，但人工智能是一场全球范围内的灾害治理技术与思维革命，国外研究成果有许多可借鉴之处，否则难以摆脱国内研究相对滞后的现状。基于此，本研究将聚焦这些问题：如何建构人工智能灾害治理模型以供实践参考，如何构建人工智能灾害治理分析框架以供学界参考，人工智能在灾害治理实践中如何具体应用，它具有哪些光明前景，又会遇到哪些陷阱，如何建立符合中国国情的本土化人工智能灾害治理模式？
二、人工智能时代灾害治理模型
由于灾害具有动态性、复杂性、紧迫性和不确定性等特征，使得灾害治理非常具有挑战性，决策者在此情境下作出科学决策往往非常困难，人工智能为防灾、减灾和救灾提供了快捷、形象与直观的科学决策。通过建构人工智能灾害治理模型，有利于为灾害治理者提供实践参考、掌握治理逻辑及发现内在规律。治理模型与实践之间存在一定的差距，韦伯认为“理想模型”就像“双面镜”，通过比较二者之间的差异，发现真正的实践问题并促进其有效解决，这一模型包括平台、工具、地理、模拟、决策与社会六个基本治理维度。
（一）平台维度：3D图像、在线论坛与微型机器人
收集最新状态的灾害信息对于灾害治理非常重要。人工智能平台不仅能有效收集巨量信息，还能优化处理巨量信息并进行有效决策，因此，它是灾害治理的基础和核心。目前，正在探讨的平台技术是3D图像技术，它能模拟灾害治理环境，不仅为参与者提供了在线论坛，而且参与者在复杂的3D图形情境中能有效进行交互、交流和模拟治理，为其提供了虚拟化解决方案和共享平台，尤其是在太远、太分散甚至数量太多的社区，救援人员往往无法及时亲赴现场，通过其提供的宝贵救援信息进行针对性救援。［8］微型机器人流动系统是人工智能平台的另一项新兴技术，在灾害自动搜索和救援（USAR）领域中应用很广，它是一种基于机器人平台的灾害决策工具，对灾害救援和应急管理产生了重要影响。
（二）工具维度：人工神经网络、混合智能与新技术研发
人工智能灾害治理涉及一系列具体技术，包括评估、预防与分析等技术，人工智能系统首先是一种有效的风险预防工具，风险评估需要大数据，但大数据往往充满了许多变量、不确定性和模糊性。为了克服这一难题，最有效的技术就是通过人工智能算法系统处理巨量数据并进行风险评估，这一算法系统由专家系统、人工神经网络和混合智能系统构成。［9］现实生活中，大数据分析复杂化和专业化往往让人望而却步，但人道主义援助/救灾（HA/DR）分析师和专家在没有数据科学家帮助下通过新兴智能（ABI）方法创建了灾害分析模型，它是一种简化的分析建模方法，有效解决了风险大数据分析复杂性问题。［10］目前正在使用与研究的人工智能灾害治理新技术还包括物联网（LOT）、纳米技术、生物技术、量子计算和机器人技术等，原始人工智能（AI）技术还将进一步创建超级人工智能（ASI）技术。
（三）地理维度：GIS地图分析、地理空间信息与模糊认识地图
地理维度在灾害治理中非常重要，任何灾难都涉及具体的时空，自然灾害更是如此。因此，人工智能需要将空间数据库与地理框架有效结合起来，运用网络GIS应用程序对数据库系统进行有效运算，进而通过地理空间数据质量模型监控空间网络、评估空间数据及保证数据生成质量。通过复杂性系统和GIS地图分析风险网络和风险关键点，然后结合地理空间信息技术（GIT），以有效改善灾害治理各个阶段，这一“人工智能+地理信息系统”模式在灾害领域得到初步应用。另一种地理技术即“模糊认知地图”是从人工智能借来的概念，结合了模糊逻辑和神经网络技术模拟灾害治理，它是一种复杂与有效的分析工具。［11］
（四）模拟维度：网络通信、智能仿真与情境治理
人工智能一个非常重要的特点是为灾害提供了一种更加方便与科学的模拟治理、仿真实践和情境治理，这一人工智能模拟系统在危险地图上构建了虚拟灾区，通过网络通信技术和危险地图不仅能有效预测风险，而且能在模拟情境中进行通信实验及选择治理策略。灾害评估智能仿真系统是一种正在开发的重要模拟系统，它主要应用于四个领域：智能灾害危险性评估、灾害破坏和损失评估、优化应急响应和灾害恢复计划，主要由四个部分构成：信息数据库、分析模块、智能决策子系统和友好的用户界面，它能有效模拟城市灾害疏散中的人群运动。一些国家还开始应用通信技术（ICT）建构增强现实（AR）情境的人工智能模拟系统，［12］通过链接风险区域的物理虚拟领域及利用人工智能技术，为治理者提供可视化、直观化与快速化的响应服务。
（五）决策维度：机器人代理、自主决策与辅助决策
在高度复杂与动态的灾难情境下，人机协作能有效辅助灾害决策，这是人工智能治理的关键。人工智能自治系统是由机器自主代理与人类远程控制融合而成，为管理者和民众提供辅助决策支持。用于救援的机器人虽然具有一定的代理性和自主性，但依然依赖于人类的远程操作，这一系统有效提高了救援人员、机器人团队和社会群体的协同响应。自主机器人对于灾害站点的监视非常重要，它使得越来越多的社会群体提高了应对灾难、事故和风险的能力。［13］人工智能为灾前预防、灾中应急和灾后重建提供了新的决策工具，通过计算灾害救援车辆路线，在最短时间内为管理者和民众提供最合理的救援策略，［14］它使机器人能够进行更为复杂的灾害救援与决策。随着人工智能技术的快速发展，还需要不断改进和调整基于AI系统的灾害决策工具。
（六）社会维度：身体传感器、社交媒体与社区参与
人工智能不仅为自上而下的政府治理提供了新工具，也为自下而上的民间参与提供了重要途径。民间紧急响应者、灾民与普通民众是灾害治理的重要组成部分，其携带的现代通信设备也是身体传感器，具有定位、跟踪与通信等功能，［15］为灾害治理提供了动态、持续与真实信息，推特、脸书和微信等社交媒体逐渐成为灾害治理的重要工具。由于社交媒体具有大数据性质，通过人力资源对其进行筛选是一项劳动密集型工作，人工智能更好了解谁共享信息、过滤信息与实时识别潜在风险，社交媒体通过复杂的自适应系统（CAS）、社区参与和社区赋权促使民间社会成为灾害治理的重要力量，也有利于韧性社区的创建。中国国务院在《新一代人工智能发展规划》中要求支持有条件的社区开展基于人工智能的公共安防区域示范，为自下而上的社区参与提供了政策支持与制度安排。
世界各国积极运用人工智能解决灾害治理问题，灾害治理模型建立在复杂适应系统、社会技术和人类因素控制系统基础之上，体现了复杂风险背景下灾害治理的动态过程，大大提高了灾前预防、灾中应急与灾后重建的效率。需要强调的是这是一个探索性的理论模型，未来需要结合实践进一步探讨阻碍或促进人工智能灾害治理的因素。
三、人工智能时代灾害治理分析框架
当代社会是一个脆弱而又灾害频发的社会，学界普遍认为人工智能有利于提高灾害监测、评估、应急与处理能力，已成为灾害治理的重要创新，也为维护社会稳定与社会良性提供了新途径。人工智能理论模型侧重于实践层面，试图将抽象理论指导实践并相互对照。人工智能分析框架以人工智能理论、灾害治理体系、灾害治理过程及灾害治理方法为依据，研究人工智能灾害治理趋势有哪些（人工智能灾害治理国际经验与中国模式）——为什么需要人工智能灾害治理（人工智能灾害治理微观组织与宏观社会环境）——如何建立人工智能灾害治理模型（构建人工智能灾害治理预防、监测、预警、应急及灾后重建体系）——如何利用人工智能应对已爆发的灾害（构建人工智能灾害治理决策、社会处理与社会发布机制）的思路而展开。
面向一：“人工智能——治理趋势”分析
这一面向的基本假设是灾害治理已成为全球重要议题，人工智能分析具有复杂性、自动化和智能性特征，它是灾害治理发展的基本趋势。在国际灾害治理领域，人工智能已初步得到应用，逐渐成为国际趋势和发展方向。我国虽然在“汶川大地震”与“芦山大地震”等灾害治理工作中取得了巨大成效，但仍然存在许多不足，尤其是新的治理模式还比较缺乏。我国现有的灾害治理还是传统模式，虽然能解决灾害发生的“当下问题”，但无法满足频发性、复杂性和不确定性灾害治理需求。通过比较研究国际与国内治理新理论与新实践，有利于建立符合我国国情与社情的人工智能灾害治理新模式。
面向二：“人工智能——治理环境”分析
人工智能研究需要将微观组织内部环境与宏观社会外部环境结合，才能建构系统性与科学性人工智能灾害治理体系。随着复合型灾害、次生灾害与衍生灾害等新型灾害不断出现，灾害发生的外部环境有了很大变化，单一、固化与缓慢的传统治理模式已无法有效应对，人工智能治理模式则应运而生。组织内部适应性是人工智能治理的内在基础，它为灾害治理提供了何以可能与何以可为的组织因素。人工智能能有效加强组织内部与外部环境的沟通，促进不同治理主体协同治理。人们往往重视人工智能微观组织层面，忽视人工智能技术及其组织赖以生存的宏观外部环境，使得治理实践难以适应宏观社会环境需求。
面向三：“人工智能——治理体系”分析
随着新型灾害的不断出现，需要建立适合现代灾害发展新趋势的高效人工智能治理体系，它涉及一系列实践难题，例如，如何建立完整的灾害信息收集、分析、决策及灾害因应行动体系以有效克服传统体系僵化、分散与迟缓等局限，这是核心的实践难题，事关灾害治理的具体成效，学者也因此提出了许多设想。哈利勒（Khalil）等学者认为机器人、本体与语义网等建构的多智能灾害治理体系，具有足够的韧性和适应性，能有效解决灾害动态环境中的复杂性问题。［16］人工智能灾害治理体系是一个综合系统，包括预测、预警、预控、应急及重建等层面，各系统内部与系统之间协调运行，才能发挥灾害治理的最佳效应。
面向四：“人工智能——治理行动”分析
灾害治理需要公共机构、私人组织和民间社会共同参与，才能有效降低灾害风险。如何在人工智能情境中建立灾害治理的“公私协力”关系，政府如何鼓励与支持民间社会参与灾害治理，如何协调政府组织内部与公私组织之间的治理行动，这些都是人工智能面临的重要行动议题。灾害行动主要有行动快速原则、确定优先事项原则、行动协调原则、行动凝聚力原则与行动高效原则等，灾害治理人员包括专业救援人员、机器人团队和社会群体等，在人工智能情境中，行动者易于开展预警、预防、预控、应急、救援与重建等行动，［17］有利于提高民众自救、互救与他救的行动能力。
人工智能具有使用范围广、灵活性强、地理可视化和有效利用社交网络等功能，能在虚拟空间和现实物理世界中为不同群体提供灾害治理辅助决策支持，也能有效预防、预控与应急处理潜在或爆发的灾害。人工智能灾害治理分析框架为学界提供了有益的研究借鉴，但它需要在后续研究中进一步改进与完善。
四、案例分析与命题提出
在近几年洪水、地震、工地事故、飞机事故、工业事故、地震易损性、减灾及核工业早期故障检测等案例中，结果显示近60％的人使用人工智能（AI）作为灾害治理工具，以此应对内部和外部非结构化环境的变化，［18］人工智能已成为一些国家灾害治理的重要实践问题，国际与国内出现了一些典型案例。在对这些案例深入探讨的基础上，进一步演绎出人工智能灾害治理的基本命题。
（一）人工智能如何促进灾前预警？
人工智能方法能实现灾前预警三维分析表达，为灾前预警提供了新的技术方法。2018年5月27日，美国马里兰州埃利科特市发生了千年一遇暴雨。在暴雨前几天，美国国土安全部利用人工智能进行了有效预警，通过航拍图像生成了高分辨率地图，比传统地图精确了大约1，000倍。遥感图像包括自然地形特征分类、土地利用监测、地下水勘探、环境灾害评估和城市规划等，计算智能基于群体智能、人类思维模型化、自然启发和其他一些智能技术，它能有效处理巨量遥感图像。［19］谷歌和哈佛大学正在联合开发预测地震的人工智能系统，研究人员对13.1万多次地震数据进行了研究，对3万余个灾害事件进行神经网络测试，实验表明能精确预测余震位置。印度占全球洪水灾害死亡人数20％，Google与印度政府合作创建了AI洪水预测模型，并利用GooglePublicAlerts（公共安全警报）改进洪水警报，2018年9月，发出第一次洪水预警，大大提高了预测灾害发生位置、发生时间和损失程度的准确性。根据以上案例，可以推出以下命题：
命题1.1：灾害预测中人工智能运用越多，越能提高预测准确性。
人工智能和机器学习能有效识别、处理与降低灾害风险，尤其能有效进行灾前风险识别，［20］从而将灾害风险降到最低，Google公共安全报警系统是发布灾害紧急信息的平台，2018年9月已发出数以万计的自然灾害预警，覆盖美国、加拿大、日本和巴西等十多个国家，用户浏览量已超过15亿次，激活了200多次SOS警报。2017年九寨沟发生了7.0级地震，由成都高新减灾所研发建设的地震预警系统，通过电视弹窗、预警广播、手机APP、专用接收终端预警与微博等提前几十秒进行预警，同时自动关闭煤气、自动切断电力与紧急制动高铁等生命线，有效避免次生灾害、衍生灾害和复合型灾害发生。在技术层面，灾难规划OWS（开放地理空间Web服务）是一种新的自动解决方案，通过AI规划与Web应用程序能有效预警灾难。［21］根据以上案例，推出以下命题：
命题1.2：灾害预警中人工智能运用越多，越能减少灾害损失。
SilviaTerra是一家位于旧金山的公司，目前正在开发森林火灾人工智能预防技术，通过卫星数据、空中影像与激光扫描技术结合，进行森林地面测绘、抓取遥感信息和收集森林地形数据，进而绘制了加州天堂市森林火灾潜在区域，还制定了火灾风险等级地图，［22］并用红色标出风险最高区域，使得当局能预先采取火灾防御措施。美国宇航局和DevelopmentSeed公司利用卫星图像和机器学习追踪哈维飓风，在效果上它比常规技术好6倍，每小时可追踪一次飓风，传统方法每6小时才能跟踪一次，大大提高飓风预防的时效性，［23］人工智能在灾害预防中非常强大且具有变革性。［24］根据上述案例，推出以下命题：
命题1.3：灾害预防中人工智能运用越多，越能降低灾害风险。
在这一命题的基础上，还可进一步推出以下命题：
命题1.4：灾害预控中人工智能运用越多，越能控制灾害风险。
（二）人工智能如何促进灾中应急？
在人工智能时代，灾害治理需要捕获实时社交媒体大数据，开发与运用特定危机分类、实体分类及数据汇总技术刻不容缓，还需要通过地图呈现社交大数据并使其可视化，这一基于社交情境的人工智能方法在2015年5月尼泊尔地震人道主义响应中得到了有效运用。［25］在2017年9月墨西哥城地震中，志愿者利用社交媒体迅速组织救援行动与抢救灾民生命，AI从数百万社交媒体帖子中抓取与分析大数据，为灾中应急提供重要信息服务和辅助决策支持，同时为受灾最严重地区和最需要救助的灾民及时提供救援人员。社交媒体与人工智能的结合为社区灾难应对提供了重要途径，它构建了社区团体与应急组织之间的新型关系。［26］根据上述案例，推出下面命题：
命题2.1：灾害应急中人工智能运用越多，越能提供有用的应急信息。
当灾害发生后，人工智能能有效监控社交网络与社交工具，通过将所有推文存储到灾害数据库中并及时分析，［27］为应急救援提供辅助决策支持。在印度，谷歌利用人工智能检测技术发布洪水警告，在启动人工智能预警之后，再利用聊天机器人Hakeem帮助救灾人员与不同语言灾民进行应急沟通。2017年九寨沟7.0级地震后，地震信息播报机器人就自动编发紧急稿件向全国及时发布，短短25秒后，机器人就完成了数据抓取、挖掘、分析、自动撰写与发布的整个过程，为灾中应急赢得了宝贵的救援时间。
命题2.2：灾害应急中人工智能运用越多，越能提高应急沟通效率。
在2019年1月珙县5.3级地震中，四川省地震局自主研发的智能地震编目处理系统第一次应用于灾中应急，在余震资料处理过程中实现了无人工干预、实时自动分析与自动编目，为地震应急提供了巨量信息。2017年九寨沟地震发生后，大疆公司利用无人机对现场进行航测与追踪，为灾中应急提供了巨量数据信息。中国移动与华为公司首次运用无人机高空基站快速恢复了30多平方公里受灾区的通信，无人驾驶飞行器（UAV）是一种用于灾难情景中的灵活且快速部署的通信网络，能为救援队成员提供有效的通信链接。无人机结合了人工智能算法，能最大限度为受害者提供应急服务。［28］通过使用自主无人驾驶飞行器（UAV）、有人驾驶车辆技术和自主无人驾驶地面车辆（UGV）在难以到达的危险区域提供医疗用品服务，从而减少救援成本及消除救援风险。［29］它还能科学地将受害者分配到医院，同时组织紧急车辆运输，在最合理时间内提供即时性、启发性和完整性应急处理方案，从而拯救更多的受害者。［30］由此，推出以下命题：
命题2.3：灾害应急中人工智能运用越多，越能提高灾害应急救援行动效率。
（三）人工智能如何促进灾后重建？
由于灾难日益复杂，科学的治理决策也变得更加困难。巨量数据作为决策的科学依据，越来越受到决策者们的重视。人工智能具有虚拟化、情境化和科学化等特征，是灾后恢复的最佳技术之一，人工智能治理建立在高资源利用率、高可用性、易于管理、及时恢复和动态管理的基础架构之上。［31］Facebook研究小组创建了“灾害影响指数”（DisasterImpactIndex，DII）量化指标，用来衡量某一地区水灾或火灾损失，它是一种“从卫星图像到灾难洞察”的工具，建立在人工智能神经网络基础上。2017年德州哈维飓风（Harvey）发生后，它有效地识别了受损道路，准确率达到了88.8%，识别圣罗莎火灾受损建筑准确率也达到了81.1%，［32］通过对比灾前和灾后航拍照片，人工智能将所有照片分解成更小与更容易辨别的巨量照片集，为灾后评估提供直接和重要依据。
命题3.1：灾害重建中人工智能运用越多，越能有效评估灾后损失。
评估自然灾害风险是国内和国际学界热烈争论的问题，灾后损失评估更具争议性，尤其主观层面损失往往无法估量，如何建立科学的灾后损失评估机制成为困扰学界的难题。［33］人工智能大大提高了灾后损失评估的准确性，也能针对性提供灾后重建策略和提高灾后重建效率。美国安大略省电力公司（hydroOne）在IBM的帮助下开发AI风灾治理工具，2018年4月，安大略省风灾四天内，电力公司根据AI评估采取有效措施迅速恢复了供电。通过AI抓取与分析历年巨量气候数据与实时天气大数据，提前72小时预测风灾等级、损失情况和最严重的脆弱区域，hydroOne公司在灾前就将1400名前线电工安排到受灾区域进行预防并制订了应急计划。［34］人工智能还能有效预测灾后一年内心理压力源、精神状况、情感支持与个人自我意识。基于上述案例，推出以下命题：
命题3.2：灾害重建中人工智能运用越多，越能提高灾后恢复速度。
在此基础上，进一步推出以下命题：
命题3.3：灾害应急中人工智能运用越多，越能提高灾后重建效率。
（四）人工智能如何提高灾害模拟治理？
灾害情境具有不确定性、噪声数据输入性和行为随机性，使得灾害决策变得异常复杂，人工智能模拟治理与情境治理大大提高了灾害决策的科学性。灾害治理涉及巨量数据信息分析和数据管理等复杂技术，它需要降低巨量信息不确定性、降低治理成本及克服传统科层制局限，有利于在不可预测的灾害环境中解决复杂性决策问题。Google公司利用AI和现代计算能力为印度创建了AI洪水灾害预测模型，它对巨量历史事件、河流水位读数、地形和海拔等进行存储、抓取与分析，同时整合印度海得拉巴河流域巨量数据，在此基础上生成风险地图，然后对每一灾害进行数十万次模拟治理，当灾害发生后，相关人员能迅速赶赴现场进行应急救援。
命题4.1：灾害模拟中人工智能运用越多，越能有效提高风险预测。
加州OneConcern公司正在开发人工智能地震灾害模拟工具，它首先收集建筑类别、年龄和材料等巨量数据，在此基础上构建城市人工智能建筑模型，模拟地震来临时房屋倒塌情况，为灾中救援和灾后重建提供辅助决策支持。［35］这一系统利用人工智能设置地震事件模版，可以在线实时连续扫描地震波、自主识别和自主处理地震灾害。英国剑桥大学在实验室利用智能机器人对岩石震动进行辨别，不仅能准确抓取与分析地震信息，还能有效预测地震风险，它为地震预测提供了新方法，有望破除“地震灾害不可预测”的迷思。
命题4.2：灾害模拟中人工智能运用越多，越能提高灾害救援效率。
在前面两个命题基础上，进一步推出以下两个命题：
命题4.3：灾害模拟中人工智能运用越多，越能提高灾害决策的科学性。
命题4.4：灾害模拟中人工智能运用越多，越能提高因应行动的科学性。
（五）案例总结
通过梳理多个案例发现，人工智能在灾害治理领域中侧重预防、预控、预警、应急与决策等层面，有利于科学解决潜在与已爆发的危机。由于人工智能使用目的、范围和特征不同，从案例中演绎出来的基本命题也有很大不同，但大致可以分为灾前预防、灾中应急、灾后重建与模拟治理四个层面，每一层面又包含了若干个子命题。需要强调的是本研究通过案例演绎出来的基本命题属于
探索性研究和理论铺垫，需要后续研究进一步证实与证伪，最终为建立符合中国国情的本土化人工智能灾害治理模式提供有益启发。
五、理论前景与实践陷阱
基于地理信息系统（GIS）和人工智能（AI）等技术基础之上的灾害治理系统，不仅能有效识别灾前风险结构和社会系统脆弱性，还能快速评估灾后损失情况，为政府、社会组织与民众灾害治理提供重要的辅助决策支持。在灾害治理领域，人工智能不仅具有重要的理论意义，还有光明的理论前景。
首先，“地理系统、人工智能与灾害治理”结合新趋势。地理信息系统（GIS）和人工智能（AI）在灾害治理中的应用不仅为灾害治理提供了新的技术优势，也为科学家、工程师、管理者和民众提供了新的实践手段，成为未来灾害治理的重要辅助决策工具。其次，“人工智能”“人工超级智能”与其他新技术结合趋势。随着人工智能技术的不断发展，它几乎能够完成人类的所有任务。AI还将进一步发展为“人工超级智能”（ASI），它涉及技术创新、软件设计、网络计算和虚拟工具等新技术，为灾害治理提供了更高效的信息、映射和通信工具，在未来具有无限的技术潜力和实践图景。再次，群体智能、计算智能与虚拟工具结合新趋势。在未来的人工智能灾害治理过程中，传感器网络、云、人群、点对点智能技术、多代理、进化计算和群体智能等技术可以增强计算智能，通过将这些技术应用于理论与实践创建新的灾害治理模式，将进一步提高灾害治理效率。最后，遥感图像、人类思维模型化与灾害治理结合新趋势。灾害遥感图像分为自然地形特征、土地利用监测、地下勘探、环境灾害评估和城市规划等，它在灾害治理领域中取得了巨大成功。同时，它与计算智能的结合促进了群体智能、人类思维模型化与自然启发等技术在灾害治理领域的应用。
虽然人工智能在灾害治理领域正经历一系列创新活动，但也存在一些实践陷阱：首先，技术激增、人性风险与人类终结的陷阱。物理学家和宇宙学家斯蒂芬霍金最近指出，“全人工智能的发展可能意味着人类的终结”，比尔·盖茨和伊隆·马斯克在内的知名技术人员也发出先进人工智能技术激增可能带来严重的潜在危险和警告。为了避免人工智能对人类社会带来的重大冲击，需要采取积极有效的措施化解社会风险，通过建立法律与政策保护框架，当AI在灾害治理领域发生致命失误时，能及时有效赔偿灾害损失各方。其次，非结构化、自主性与可靠性陷阱。在灾害情境中进行科学决策是人工智能面临的重大难题，由于灾害环境具有非结构性、复杂性、动态性、不确定性和随机性等特点，同时大数据也存在噪声与冗余等局限，在这样的环境中使用全自动智能机器人技术进行实时决策将会变得异常复杂，新的错误决策风险也大大增加。自主机器人能否适应内部和外部环境变化，能否保证自主处理的正确性及避免算法安全风险，能否在灾难情景中进行有效搜索、救援与监视，这些都是人工智能治理过程中面临的重要挑战。最后，体积、品种与隐私陷阱。灾害大数据来源众多，虽然为灾害治理提供了巨量数据与丰富信息，但也会伴随着许多噪声数据，巨量数据还面临体积与品种等陷阱，人工智能能否从巨量数据中分辨出噪声与错误讯号也存在系列困难，未来需要建立一套能正确分辨噪声数据和处理巨量数据的人工智能数据处理系统以应对数据安全与信息安全风险。隐私和网络安全一直广受人们关注，人们担心收集和使用灾害治理数据缺乏透明度，尽管一些大数据在使用过程中被匿名化，但仍然存在个人隐私被识破的风险。
人工智能与灾害治理的结合被认为是新兴起的交叉研究领域，它整合了不同学科与不同领域，掌握了跨学科灾害研究的复杂性。同时，它也促进了灾害治理理论的重大转型，为新灾害管理学提供了重要的理论指向，也为政府和实务界提供了极具启发性的政策工具和实践指南。
［参考文献］
［1］DevdattD，ShalomL.ViewpointAIDangers：ImaginedandReal，AssociationforComputingMachinery，CommunicationsoftheACM，2017，60（2）.
［2］SarahV，AdamH.RethinkingContext：LeveragingHumanandMachineComputationinDisasterResponse，Computer，2014，47（4）.
［3］NathanielE，On-line，On-board，EvolutionaryLearningfromDemonstrationinAutonomousMobileRobots，MastersAbstractsInternational，2014，53-01（E）.
［4］ShettyD，AComputationalTaskAllocationModelforDisasterResponse.Dissertations&Theses-Gradworks，2010.
［5］MadaniK，KachurkaV，SabourinC，etal，AHuman-likeVisual-attention-basedArtificialVisionSystemforWildandFirefightingAssistance，AppliedIntelligence，2017，48（8）.
［6］YoshidaK，UrabeM，TsuchiyaH，etal，EarthquakeDisasterPreventionSupportTool–VisualizationofPreventionEffectivenessbyUtilizingAugmentedReality.In：StephanidisC.（eds）HCIInternational2011–Posters’ExtendedAbstracts.HCICommunicationsinComputerandInformationScience，Springer，Berlin，Heidelberg.2011.
［7］Jun-AiYan.StudyonDecision-makingSupportSystemforUrbanIntelligentFloodControlandDisasterMitigationBasedonGIS，WaterResourcesandHydropowerEngineering，2006，37（8）.
［8］DethridgeL，QuinnB，RealtimeEmergencyCommunicationinVirtualWorlds，InternationalJournalofDisasterResilienceintheBuiltEnvironment，2016，7（1）.
［9］GuzmanA，IshidaS，ChoiE，etal，ArtificialIntelligenceImprovingSafetyandRiskAnalysis：AComparativeAnalysisforCriticalInfrastructure//IEEEInternationalConferenceonIndustrialEngineering&EngineeringManagement.IEEE，2016.pp471-475.
［10］WidenerD，MazzuchiT，SarkaniS.SimplifyingHumanitarianAssistance/disasterReliefAnalyticModelsUsingActivity-basedIntelligence，DisasterPreventionandManagement，2018，27（1）.
［11］AndreouAS，MateouNH，ZombanakisGA.SoftComputingforCrisisManagementandPoliticalDecisionMaking：theUseofGeneticallyEvolvedFuzzyCognitiveMaps，SoftComputing，2005，9（3）.
［12］ParkS，ParkS，ParkL，etal.DesignandImplementationofaSmartIoTBasedBuildingandTownDisasterManagementSysteminSmartCityInfrastructure，AppliedSciences，2018，8（11）.
［13］KuboM，YoshimuraT，YamaguchiA，etal.IndividualRecognition-freeTargetEnclosureModel，ArtificialLifeandRobotics，2012，17（1）.
［14］RobertoA，ImaneS，JacopoM，etal.AConstraint-BasedModelforFastPost-DisasterEmergencyVehicleRouting，InternationalJournalofInteractiveMultimediaandArtificialIntelligence，2013，2（4）.
［15］KunnathAT，MadhusoodananA，RameshMV，LocatingEmergencyRespondersinDisasterAreaUsingWirelessSensorNetwork//WirelessCommunicationsandApplications，2012.
［16］Khalil，KM.；Abdel-Aziz，M.；NazmyTT，etal，TheRoleofArtificialIntelligenceTechnologiesinCrisisResponse，NewYork：CornellUniversity，2017.
［17］JamilM；RidwanM，Lessy.WebApplicationToMonitorLogisticsDistributionofDisasterReliefUsingtheCodeIgniterFramework，InternationalJournalofArtificialIntelligenceResearch，2017，1（2）.
［18］PitiwutT，ArtificialHormoneNetworkforAdaptableRobots，UniversityofYork，2013.
［19］［20］SinghV，KumarG，SabherwalD，AComparativeStudyofComputationalIntelligencebasedTechniquesintheFieldofRemoteSensingImageClassification//InternationalConferenceonComputingforSustainableGlobalDevelopment.IEEE，2015.
［21］MohamadJ，MohammadRL，WebApplicationToMonitorLogisticsDistributionofDisasterReliefUsingtheCodeIgniterFramework，InternationalJournalofArtificialIntelligenceResearch，2017，1（2）.
［22］佚名，科技防灾：预测自然灾害的人工智能新技术［Z］，纽约时报中文网，2019-03-23.
［23］用AI预测地震、洪水、飓风和火山喷发，现在已经成为了可能［Z］，天天快报，2019-03-17.
［24］ArmstrongS，BostromN，ShulmanC.RacingtothePrecipice：AModelofArtificialIntelligenceDevelopment，AI&SOCIETY，2016，31（2）.
［25］AndrewsS，GibsonH，DomdouzisK，etal.CreatingCorroboratedCrisisReportsfromSocialMediaDatathroughFormalConceptAnalysis，JournalofIntelligentInformationSystems，2016，47（2）.
［26］DethridgeL，QuinnB.RealtimeEmergencyCommunicationinVirtualWorlds，InternationalJournalofDisasterResilienceintheBuiltEnvironment，2016，7（1）.
［27］周利敏，钟海欣，“社会5.0”时代的大数据风险治理［J］，北京行政学院学报，2019（1）.
［28］周利敏.大数据时代的灾害预警创新——以阳江预售信息发布中心为案例［J］，武汉大学学报（哲学社会科学版），2017（3）.
［29］McmillanS，ManufacturingandOperationCostsOperatingMannedVehicleTechnologywithMedicalTransportandDisasterSearchofPeopleandVictimsvs.UAV/UGVTechnology.ProQuestDissertationsandTheses，2018.
［30］RobertoA，ImaneS，JacopoM，etal，AConstraint-BasedModelforFastPost-DisasterEmergencyVehicleRouting，International，JournalofInteractiveMultimediaandArtificialIntelligence，2013，2（4）.
［31］SindooriR，PallaviV.AbinayaP，AnOverviewofDisasterRecoveryinVirtualizationTechnology，JournalofArtificialIntelligence，2013，6（1）.
［32］FacebookAI技术可识别洪水和火灾破坏程度，有助紧急救援［Z］，凤凰网科技，2018-12-08.
［33］Ana-DianaA，FlorinL，Gabriela-MariaA，DisasterRiskManagementofUrbanSystems，BulletinofthePolytechnicInstituteofJassy：Constructions，ArchitechtureSection，2006，LII（LVI）（3-4）.pp27-40.
［34］颜媚、张涛、石霖，AI+公共安全，大潮已起［Z］，人民邮电报，2018-10-11.
［35］雷锋网，提升灾害应对效率，日本政府欲利用AI共享防灾信息［Z］，科技新报，2018-03-01.
【基金项目：国家社会科学基金重点项目“面向人工智能时代的灾害治理研究”（编号：19ASH009）】
本文刊发于《中国行政管理》2019年第8期，注释略
[责编：李贝]