人工智能——人类的福音还是威胁
程度更高的自动化将大多数人排除出物质生产环节，这可能导致更大的社会阶层差距，降低“社会阶梯”的效率，增加“多余人口”的数量并导致相应的社会后果。
2018年8月，在位于布拉格的捷克技术大学同时举行了主题分别为人类水平人工智能、通用人工智能、生物激励认知结构和神经-符号技术的代表大会。大会上，来自人工智能研究领域前沿公司和组织（Microsoft，Facebook，DARPA，MIT，GoodAI）的主要专家发表了报告。这些报告列举了人工智能领域研究的现状，指出了社会所面临的问题以及在该项技术下一步研究中可能出现的威胁。在本段概述中，作者将尽量简要说明主要的问题和威胁，并指出应对这些威胁可能的途径。
首先必须明确与人工智能相关的一些术语：弱人工智能或者专业人工智能，自主人工智能（AutonomousAI），自适应人工智能（AdaptiveAI），通用人工智能（ArtificialGeneralIntelligence，AGI），强人工智能（StrongAI），人类水平人工智能（Human-LevelAI），超人类水平人工智能（Super-humanAI）。
弱人工智能或者专业人工智能毫无疑问就是指目前的技术方案，能够自动完成某一具体任务，比如围棋或者摄像头的人脸识别功能。这种人工智能不能独立学习其它任务，除非人类对其进行重新编程。
自主人工智能是指系统能够长时间在没有操作员参与的情况下运行。比如，它能够让配备太阳能电池的无人机从香榭丽舍大道飞到红场或者沿相反的路线飞行，独立选择路线、充电经停地点，同时规避可能的障碍。
自适应人工智能要求系统具备适应新环境的能力，能够获取研制过程中没有预置的知识。比如，能够让俄语对话支持系统独立掌握新的语言，适应新的语言环境或者在学习语言教学资料的基础上，在对话中运用这些知识。
通用人工智能同样要求具备高水平的适应性，具备通用人工智能技术的系统在经过相应学习后，能够在各种截然不同的活动中使用。学习过程可以是独立的，也可以是有针对性的（在指导员的帮助下）。目前也经常使用强人工智能来与弱人工智能和专业人工智能进行对比。
人类水平人工智能要求系统的适应性水平能够与人类的适应性水平相当，也就是说系统能够在与人类学习相当的期限内掌握同样的技能。
超人类水平人工智能要求具备更高水平的适应性和学习速度。因此，系统能够学习人类基本难以胜任的知识和能力。
强人工智能研制中的原则性问题
在总体进化框架下，强人工智能的出现完全是符合规律的，就像原子组成分子，分子组成细胞，细胞组成机体，专门的细胞构成中央神经系统，就像社会组织的出现，语言、文字的发展，最终出现了信息技术一样是有规律的。在进化过程中，信息结构和组织方法不断复杂化的规律已经被瓦连京·图尔钦很好地证明。如果人类文明没有灭亡，那么这种进化将是不可避免的，在很久以后的未来，这将拯救人类，因为只有信息的非生物存在样式能够逃过太阳系的灭亡，将我们的文明信息密码保存在宇宙当中。
与此同时，必须要承认的是，要研制出强人工智能，并不一定要知道自然的人工智能是如何运行的，就像制造导弹不一定要知道鸟类如何飞行一样。显然，这迟早会通过这样或者那样的方法实现，或许，能够通过几种方法来实现。
大部分专家认为，要研制出通用或者强人工智能，还要解决以下几个原则性问题：
快速学习（few-shotlearning）——必须让系统学习的资料规模变小，而不是像现在的深度学习系统那样，需要大量的专门准备的学习资料。
强大的概括能力（stronggeneralisation）——研制情景识别技术，被识别目标出现在与学习资料完全不同的环境当中。
学习生成模型（generativemodels）——研制一种学习技术，当记忆对象并非识别对象的特征，而是其构成原则时，这能够反映识别目标更加深层次的实质，能够让学习变得更快，具备更强的概括归纳能力。
结构化预测和学习（structuredpredictionandlearning）——在将学习对象展现为多层、多级结构的基础上，开发学习技术，在这种结构中，低层级要素决定更高层级要素，这也可能成为解决快速学习和强概括能力的一种方法。
解决灾难性遗忘（catastrophicforgetting）问题——这个问题在现有系统当中普遍存在，起初学习了一类目标，之后学习识别新一类目标时，失去识别第一类目标的能力。
具备增量学习（incrementallearning）能力——让系统能够积累知识并逐渐完善自身能力，与此同时不丧失先前所获得的知识，且自然语言对话交流系统获得新的知识。理想状态是通过“婴儿图灵测试”（BabyTuringTest），系统应当逐渐具备从婴儿至成人的语言水平。
解决意识问题（consciousness）——建立可靠的意识行为工作模型，通过建立“内部世界图景”保证进行有效的预测和有针对性的行为，在这一图景框架下，能够在不与现实世界实际交互的情况下，寻找达成既定目标的最佳行动战略，这大大提高了安全性，检验假说的能力，提升了检验的速度和效能，从而也使得有生或者智能系统在自我意识的“虚拟世界”中具备了自我学习的能力。从应用的观点看，意识问题存在两个方面。一方面，研制具备意识的人工智能系统能够大大提高其效能。另一方面，研制这样的系统会导致额外的风险，包括伦理层面的问题，因为这些系统在某一阶段将具备与人类相当的自我意识水平，并因此可能导致法律方面的后果。
人工智能的潜在威胁
无论是自主或者自适应系统，还是通用或者强人工智能系统的出现，都伴随着不同程度威胁的产生，这些威胁在当前也已经迫在眉睫。
第一，对人类构成威胁的不一定是强人工智能、通用人工智能、人类水平人工智能或者超人类水平人工智能，因为具备大量信息，速度极快的自主系统就已经极具威胁。在自主系统的基础上可研制所谓的致命自主武器系统，最简单的例子就是3D打印机批量生产以及人工小批量制作的雇佣型杀人用无人机。
第二，对于国家的威胁是，另一个国家（潜在敌人）获得了自主性、自适应性更强，具备通用人工智能技术的武器，其反应速度更快，能力更强。
第三，对于全世界的威胁是由上一个威胁衍生而来的，各个国家陷入军备竞赛，致力于改进自主杀伤和摧毁兵器的智能水平，斯坦尼斯拉夫·莱姆几十年前就曾如此预言。
第四，对于各方来说威胁可能是任何智能系统，不一定是作战智能系统，也可以是具备一定自主性和自适应性的工业或日常智能系统，不仅能够进行有针对性的行动，还能有意识地进行目标定向，而且系统自主设置的目标可能与人类的目标相违背，而系统达成目标的能力要强得多，因为其运行速度更快，处理信息能力、预测能力更强。遗憾的是，这一威胁的程度还没有得到应有的重视和研究。
第五，对于社会的威胁是，资本主义（极权主义）社会中的生产关系进入新的发展阶段，越来越少的人具备控制物质生产的能力，通过越来越高级的自动化，大部分人被排除出物质生产，这可能导致更加严重的社会差距，降低“社会阶梯”的效能，增加“多余人口”的数量，导致相应的社会后果。
最后，对于整个人类的威胁是，基于全球网络的全球数据处理、信息传播和决策计算系统的自主化，因为这些系统的信息传播速度和影响能力可能导致现有经验和管理模式所预想不到的社会现象。比如，当今中国所采取的社会贷款体系就是一种独一无二的文明实验，它所导致的后果今天还不得而知。
目前对人工智能系统的监控非常困难，原因之一就包括现有基于“深度神经网络”应用方案的“封闭性”，使得难以在决策执行前对决策的正确性进行核实，甚至都不能对及其决策进行事实分析。可解释人工智能（ExplainableArtificialIntelligence，EAI）这一新的方向目前被用来解决这一难题，将关联（神经网络）和符号（基于逻辑）方法结合起来解决这一问题也出现了新的进展。
应对威胁的方法
毫无疑问，必须采取以下措施防止人工智能技术发展及其应用可能导致的灾难性后果。
国际社会对致命自主武器系统予以取缔并研究、采取执行监督措施。
国家支持旨在解决上述问题的工作，特别是可解释人工智能，方法融合，研究目标定向机制建立的原则以获得有效的编程和智能系统监控工具，程序设计的工具不是规则，而是价值观，监控的对象不是行为，而是目标。
获得人工智能技术和方法的民主化，比如，依靠对智能系统应用于大众计算、认知技术学习所得收入的再投资，以及研究具有开放式密码的人工智能方案，制定措施鼓励现有“封闭式”人工智能系统开放密码。比如，Aigents项目旨在为普通用户研制自主工作，不受集中控制的个人人工智能助手。
在国际层面规定人工智能算法、分布式数据处理系统和决策系统工作协议的开放性，使国际和国家组织以及私人具有独立审计的能力。密码开放人工智能平台和生态系统SingularityNET的创建就是在该方向的创造性探索之一。
返回搜狐，查看更多人工智能和物联网如何应用在自然灾害预警
原标题：人工智能和物联网如何应用在自然灾害预警在我们努力建设一个更可持续的环境的过程中，我们看到了为利用创新技术将自然灾害损失降至最低而作出的持续努力。
随着时间推移，由于不断变化的环境状况，世界上发生了很多自然灾害，需要立即采取补救措施。
新兴技术的出现鼓舞了各国政府的士气，它们正集中精力寻求减灾措施，以实现可持续的未来。技术，尤其是人工智能和物联网，不仅使我们能够加快对任何自然灾害的救援响应速度，而且还改善了灾害预测。下面就随着物联网解决方案提供商云里物里一起来看下是如何改善的。
灾难管理和物联网
物联网系统有望通过准确的预测、预先准备和预警信号成功地进行灾害管理。部署先进的物联网解决方案将帮助我们扩大偏远地区的网络覆盖范围，并立即评估损害情况并进一步救助。物联网不仅有助于人类利用资源，而且还有助于迅速作出反应，拯救数百万人的生命。
印度在物联网的帮助下取得了切实的成果，像Odisha这样的邦每年都会面临致命洪水和龙卷风的侵袭，它们洗劫村庄并摧毁该邦的基础设施，但是在警报系统的帮助下，已经减少了此类自然灾害的死亡人数和影响。实际上，Odisha成为印度第一个实施预警传播系统并覆盖1000多个村庄的邦。这种防灾技术在整个地区发送基于位置的警报，并提供一个通信生态系统，以帮助到达最偏远的地区，并提前发出警告。
人工智能可以加速灾害响应
比物联网领先一步的是人工智能——智能技术，可提供准确、快速的解决方案。如果利用得当，这项技术有可能比以往任何时候都能更快地预测、预防和提供应对措施。
图片来源网络
训练人工智能（AI）数据集可预测地震数据，以分析地震发生的模式，降雨记录和监测洪水，测量飓风强度并读取地质数据以了解火山喷发，这样的系统可以减少自然灾害的灾难性影响。
去年，谷歌在人工智能的帮助下在印度进行的洪水监测试点项目是成功的——Patna项目。他们能够预测洪水和自然灾害可能影响的区域，准确率超过90%。这归功于政府机构提供的现场数据，这些数据来自现场的测量设备以及易发洪水地区的卫星捕获图像。他们在其机器学习（ML）模型上进行了数十万次模拟，以预测水流。未来，利用人工智能可以帮助灾难管理机构部署无人机、传感器和机器人，以提供关于受损建筑、潜在洪水的准确信息，使救援任务更安全，耗时更少。
我们需要将智能技术融入我们的社区。即时响应和基于技术的解决方案有助于降低损害程度，但是，由于人工智能基于机器代码，因此存在一定范围的限制和错误，不过，当与人类的同理心和警觉性相融合时，可以在危机管理领域创造奇迹。返回搜狐，查看更多
责任编辑：周利敏：面向人工智能时代的灾害治理研究
【文章来源】《中国行政管理》2019年第8期
【项目来源】国家社科重点项目“面向人工智能时代的灾害治理研究”（19ASH009）
【作者单位】广州大学公共管理学院暨南方灾害治理研究中心
一、面向人工智能时代灾害治理的重大变革
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23日广东省颁布《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《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《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、面向人工智能时代灾害治理的基本模型
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。
图1人工智能时代灾害治理模型
（1）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。
（2）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。
（3）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，任何灾难都涉及到具体的时空，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]
（4）模拟维度：网络通信、智能仿真与情境治理。人工智能非常重要的一个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。
（5）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。
（6）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、面向人工智能时代灾害治理的分析框架
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。
图2 人工智能时代灾害治理分析框架
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、面向人工智能时代灾害治理的实践命题
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。
表1人工智能灾害治理典型案例
国家/地区
发生时间
治理领域
治理措施
治理效果
美国埃利科特市洪水灾害
●2018年5月
●洪水预警
●航拍图像 ●高分辨率地图
●遥感图像
●预先疏散
●有效紧急应对
Google与印度合作洪水灾害
●2018年9月
●洪水预警
●洪水应急
●公共安全警报●AI洪水预测模型
●聊天机器人帮助不同语言灾民沟通
●提前预警
●准确性提高
美国谷歌哈佛地震灾害实验
●正在进行
●预测地震
●预测余震
●神经网络测试
●人工智能系统
●实验证明有效
●精确性提高
中国四川九寨沟地震灾害
●2017年8月
●灾前预测
●灾中应急
●灾前：地震预警系统、生命线管理
●灾中：自动编发稿件、机器人25秒完成
●灾后：无人机迅速恢复通信
●提前几十秒发布地震预警信息
●紧急介入速度提高
●重建速度迅速
美国加州天堂市森林火灾
●正在进行
●灾前预防
●卫星数据、空中影像与激光扫描
●制定人工智能火灾风险地图
●预先采取预防措施
美国宇航局与Development
Seed公司飓风预警
●2017年8月
●灾前预测●预防飓风
●卫星图像
●人工智能分析
●机器学习技术
●比常规技术好6倍，
●每小时追踪一次飓风
●有效追踪哈维飓风
尼泊尔地震灾害
●2015年5月
●灾中应急
●社交情境人工智能技术
●社交大数据智能分析
●提高救援及时性
●提高救援准确性
墨西哥城地震灾害
●2017年9月
●灾中应急
●社区应急
●社交大媒体
●人工智能数据分析
●应急及时性提高
●应急效率提高
Facebook研究小组灾后损失评估模型
●2017年8月
●2017年10月
●灾后重建
●灾后损失
●灾害影响指数 ●人工神经网络
●卫星图像●人工智能分解巨量图片
●准确评估哈维飓风损失
●准确评估圣罗莎火灾损失
美国安大略省电力公司与IBM合作AI应急管理
●2018年4月
●灾前预警
●灾后重建
●AI工具对巨量历史与现实监控数据抓取与分析
●预测风灾等级和最严重脆弱区域
●提前72小时预测
●1400名电工提前介入
●迅速恢复供电
加州One Concern公司人工智能地震模型
●正在进行
●模拟决策
●灾中救急●决策参考
●人工智能建筑模型与人工智能地震事件模版 ●实时连续扫描地震波
●自主识别和自主处理灾害
●模拟临时房屋倒塌
●实验阶段
英国剑桥大学智能机器地震识别实验
●正在进行
●模拟决策
●地震预测
●智能机器人辨别
●智能机器人地震预测
●实验阶段
●提供新方法
1、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。
2、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客不容缓，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。
3、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。
4、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,它需要减少巨量信息不确定性、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，越能提高因用行动的科学性。
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。
图3多案例研究演绎命题逻辑图
五、面向人工智能时代灾害治理的学术图景
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。
图4人工智能驱动灾害治理的前景与陷阱
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（AI）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全部复杂性。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范式，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):43.
[2]SarahV,AdamH,RethinkingContext:LeveragingHumanandMachineComputationinDisasterResponse,Computer,2014,47(4):22-27.
[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):2157-2179.
[6]YoshidaK,UrabeM,TsuchiyaH,etal,EarthquakeDisasterPreventionSupportTool–VisualizationofPreventionEffectivenessbyUtilizingAugmentedReality.In:StephanidisC.(eds)HCIInternational2011–Posters’ExtendedAbstracts.HCICommunicationsinComputerandInformationScience,2011,174:134-138Springer,Berlin,Heidelberg.
[7]Jun-AiYan,Studyondecision-makingSupportSystemforUrbanIntelligentFloodControlandDisasterMitigationBasedonGIS,WaterResourcesandHydropowerEngineering,2006-08-20,37(8),pp.77-79.
[8]DethridgeL,QuinnB,Realtimeemergencycommunicationinvirtualworlds,InternationalJournalof DisasterResilienceintheBuiltEnvironment,2016,7(1):26-39.
[9]GuzmanA,IshidaS,ChoiE,etal,Artificialintelligenceimprovingsafetyandriskanalysis:Acomparativeanalysisforcriticalinfrastructure//IEEEInternationalConferenceonIndustrialEngineering&EngineeringManagement.IEEE,2016:471-475.
[10]WidenerD,MazzuchiT,SarkaniS,Simplifyinghumanitarianassistance/disasterreliefanalyticmodelsusingactivity-basedintelligence,DisasterPreventionandManagement,2018,27(1):60-73.
[11]AndreouAS,MateouNH,ZombanakisGA,Softcomputingforcrisismanagementandpoliticaldecisionmaking:theuseofgeneticallyevolvedfuzzycognitivemaps,SoftComputing,2005,9(3):194-210.
[12]ParkS,ParkS,ParkL,etal.DesignandImplementationofaSmartIoTBasedBuildingandTownDisasterManagementSysteminSmartCityInfrastructure,AppliedSciences,2018,8(11):2239.
[13]KuboM,YoshimuraT,YamaguchiA,etal.Individualrecognition-freetargetenclosuremodel,ArtificialLifeandRobotics,2012,17(1):11-16.
[14]RobertoA,ImaneS,JacopoM,etal,AConstraint-BasedModelforFastPost-DisasterEmergencyVehicleRouting,InternationalJournalofInteractiveMultimediaandArtificialIntelligence,2013,2(4):67-75.
[15]KunnathAT,MadhusoodananA,RameshMV,LocatingEmergencyRespondersinDisasterAreaUsingWirelessSensorNetwork//WirelessCommunicationsandApplications.2012.
[16]Khalil,KM.;Abdel-Aziz,M.;NazmyTT,etal,TheRoleofArtificialIntelligenceTechnologiesinCrisisResponse,CornellUniversity,2017.
[17]JamilM;RidwanM,Lessy;WebApplicationToMonitorLogisticsDistributionofDisasterReliefUsingtheCodeIgniterFramework,InternationalJournalofArtificialIntelligenceResearch,2017,1(2):47-54.
[18]PitiwutT,ArtificialHormoneNetworkforAdaptableRobots,UniversityofYork,2013.
[19]SinghV,KumarG,SabherwalD,AcomparativestudyofComputationalIntelligencebasedtechniquesinthefieldofremoteSensingImageclassification//InternationalConferenceonComputingforSustainableGlobalDevelopment.IEEE,2015.
[20]SinghV,KumarG,SabherwalD,AcomparativestudyofComputationalIntelligencebasedtechniquesinthefieldofremoteSensingImageclassification//InternationalConferenceonComputingforSustainableGlobalDevelopment.IEEE,2015.
[21]MohamadJ,MohammadRL,WebApplicationToMonitorLogisticsDistributionofDisasterReliefUsingtheCodeIgniterFramework,InternationalJournalofArtificialIntelligenceResearch,2017,Vol.1(2):12-18.
[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):201-206.
[25]AndrewsS,GibsonH,DomdouzisK,etal.Creatingcorroboratedcrisisreportsfromsocialmediadatathroughformalconceptanalysis,JournalofIntelligentInformationSystems,2016,47(2):287-312.
[26]DethridgeL,QuinnB,Realtimeemergencycommunicationinvirtualworlds,InternationalJournalofDisasterResilienceintheBuiltEnvironment,2016,7(1):26-39.
[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):10-17.
[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):121-132.
[29]McmillanS,ManufacturingandOperationCostsOperatingMannedVehicleTechnologywithMedicalTransportandDisasterSearchofPeopleandVictimsvs.UAV/UGVTechnology,2018,ProQuestDissertationsandTheses.
[30]RobertoA,ImaneS,JacopoM,etal,AConstraint-BasedModelforFastPost-DisasterEmergencyVehicleRouting,International,JournalofInteractiveMultimediaandArtificialIntelligence,2013,2(4):67-75.
[31]SindooriR,PallaviV.AbinayaP,AnOverviewofDisasterRecoveryinVirtualizationTechnology,JournalofArtificialIntelligence,2013,6(1):60-67.
[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年12月08日.
[33]Ana-DianaA,FlorinL,Gabriela-MariaA,DisasterRiskManagementofUrbanSystems,BulletinofthePolytechnicInstituteofJassy:Constructions,ArchitechtureSection,2006,Vol.LII(LVI)(3-4):27-40.
[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年03月01日.
编辑说明：全文2万余字，参阅《中国行政管理》2019年第8期
广州大学公共管理学院
来源|南方灾害治理中心
协理|GUPA教研事务部
支持|GUPA行政事务部
编辑|谷琶新媒体工作室
人工智能怎样做到对灾害“先知先觉”
近日，有媒体报道称，韩国光州科学技术研究所开发了一款可以提前一周预测森林火灾风险的人工智能系统。开发人员表示，这款人工智能系统可以通过测量地表附近的温度、湿度、风和累积降水量等数据计算森林火灾发生的概率。
随着技术的发展，利用人工智能预测自然灾害似乎正在成为现实：美国斯坦福大学的研究人员开发了一种人工智能模型，能够预测微粒污染的情况，进而追踪美国西部地区野火烟雾的变化情况；来自英国卡迪夫大学的研究人员开发了一种人工智能程序，通过分析水下地震引发的海洋声波，预测海啸可能发生的时间……
人工智能是如何预测自然灾害的？它能为人类对抗自然灾害作哪些贡献？科技日报记者就此采访了四川大学教授、地震预警与多灾种预警应用信息技术四川省重点实验室主任、成都高新减灾研究所所长王暾。
预测的前提是构建完善的理论模型
人类往往对快速暴发的直接威胁非常敏感，但却不擅长识别缓慢进展的潜在威胁。人工智能的出现让人类拥有了能够预测自然灾害、并采取预防措施的工具。
王暾对记者表示，一般我们所说的“预测”，包括人工智能的预测，并不是“空穴来风”，而是基于监测数据的预测。利用卫星图像、地面基站等手段，科研人员可以在自然灾害即将发生、有自然灾害发生风险或自然灾害正在发生但并未造成严重破坏的情况下，及时发布预警信息，最大限度地降低损失。
王暾进一步解释道，依托先进的通信技术和观测设备，科研人员可以得到自然灾害即将发生时或灾害发生早期但并未造成严重破坏时的信号，然后运用人工智能对这些信号进行处理，判断灾情、进行预警。如森林火灾发生初期，人工智能可以通过卫星图像和其他信息定位火灾地点、判断火灾强度，这样就可以及时通知相关部门采取防范措施。“像此前的四川泸定地震预警，和目前大多数山火、城市内涝预警，都运用到了人工智能技术。”王暾说。
虽然以目前的技术水平，科研人员利用人工智能可以做到对大多数自然灾害的监测预警，但人工智能其实并不比人脑“聪明”。人工智能准确预测的前提，是人类能够构建起完善的理论模型。
“人工智能的优势在于搜索范围大、计算能力强。然而在灾害预测中，光有这些能力还不够，还需要理论模型去解决‘怎么预测’的问题。”王暾说，此前也有科研团队尝试过在不构建理论模型的情况下让人工智能进行“自主”灾害预测，但没有成功。
可帮助人类提升对干扰的识别能力
如今人们对自然灾害的监测方式越来越先进，应对自然灾害的手段越来越多样，但监测的准确性在对自然灾害的预测中仍然十分重要，人们在监测自然灾害时，往往会面临很多干扰。
王暾举例说，科研人员会通过用卫星监测森林中亮点的方式监测森林火灾，但有时人们难以从卫星图上直观判断亮点是由于火灾形成的，还是由于太阳光反射形成的；科研人员可以通过监测地震波进行地震预警，但放炮、建筑工地施工等行为也会产生地震波。如何以最快的速度识别并排除干扰，成为自然灾害监测需要解决的一大问题，这就需要人工智能等技术排除掉人类活动或其他因素产生的干扰信号，以减少误报。
“人工智能的优势是对大量数据进行学习分析、智能处理，并在此基础上作出自动判断或辅助人类作出判断，提高预警系统的可靠性和及时性。因此，人工智能在干扰信号识别领域大有可为。”王暾告诉记者，通过学习大量案例，人工智能可以迅速判断出哪些信号是干扰信号，为科研人员节省时间精力，提升自然灾害预测效率和准确性。
据了解，成都高新减灾研究所利用人工智能对地震波进行智能分析，11年来，做到了地震“零误报”。该所还和四川省自然资源厅、成都理工大学等单位合作开发了一款系统，利用人工智能对山体滑坡信号进行智能分析，显著减少了山体滑坡误报率。
除此之外，人工智能还可以胜任较为复杂的信息分析与整合工作。通过分析融合可见光、红外线等多频段信息，人工智能能够快速识别某地区的综合情况。“比如判断着火地点的地形状况、土地使用状况、植被状况等，或者判断短时间内降水量极大的城市是否会发生内涝以及内涝的深度等。”王暾说。
对抗自然灾害的应用前景十分广阔
“得益于人工智能的飞速发展，科研人员能够从复杂繁琐的计算工作中解脱出来，执行更为复杂且重要的任务。”谈到利用人工智能在对抗自然灾害方面的应用前景，王暾充满了信心。
利用人工智能的快速计算能力，灾后救援工作的效率也将得到提升。比如，高分卫星图像可以让救援者能在短时间内得知灾区受灾状况的一手信息，通过将灾区信息与救灾物资需求相匹配，人工智能可以规划出最有效率的救灾路线；还可以将监测到的次生灾害等变量纳入救援规划之中，及时修正救援路径、调配救灾物资。
高科技手段的介入让人类不必再冒着生命危险在灾情尚不明朗时深入灾区一线，既最大限度地保证了人类的生命安全，又提升了救援效率。
除了提升人类的灾后救援能力外，人工智能在灾害链预警方面也有着很大的应用潜力。许多自然灾害在发生之后，会诱发出一连串的次生灾害，这种现象被称为灾害链。“比如某地可能因为下了一场暴雨造成溃坝，进而导致下游发生洪水或者山体滑坡。”王暾解释道，“灾害链变化多端，影响因素极为复杂。现在对于灾害链的预警往往基于经验。如果在未来，人们能够构建出相应的人工智能模型，对于灾害链预测的准确性将得到提升。”
当然，想要让人工智能在未来的灾害预警中发挥进一步作用，还需要科研人员不断提升对灾害的认知水平，不断完善人工智能预警模型。王暾说，科研人员在未来应该进一步加强对自然灾害的研究工作，充分考虑更多变量，构建更为准确的灾害预警模型，发挥人工智能等新技术的优势，使其更好地服务于人类安全保障事业。
人工智能给军事安全带来的机遇与挑战
1.2提升军事情报分析效率
随着信息技术的发展，人类正在迎来一个“数据爆炸”的时代。目前地球上两年所产生的数据比之前积累的所有数据都要多。瀚如烟海的数据给情报人员带来了极大的困难和挑战，仅凭增加人力不仅耗费大量钱财，问题也得不到根本解决。与此同时，伴随大数据技术和并行计算的发展，人工智能在情报领域日益展现出非凡能力。目前，美军已经敏锐地捕捉到了人工智能在军事情报领域的巨大应用潜力，成立了“算法战跨职能小组”。该小组的首要职能就是利用机器视觉、深度学习等人工智能技术在情报领域开展目标识别和数据分析，提取有效情报，将海量的数据转换为有价值的情报信息，为打击ISIS等恐怖组织提供有力的技术支撑。机器算法的快速、准确、无疲劳等特点使其在大数据分析领域大展身手，展现出远超人类的能力。因此，美国防部联合人工智能中心主任沙纳汉中将就直言不讳地表示，算法就是“世界上最优秀、训练最有素的数据分析师”。
1.3提升军事网络攻防能力
网络空间已经成为继陆、海、空、天之外的“第五维空间”，是国家利益拓展的新边疆、战略博弈的新领域、军事斗争的新战场。习近平主席在中央网络安全和信息化领导小组第一次会议上指出，“没有网络安全就没有国家安全”。网络攻防是军事安全领域中的重要一环，基于人工智能技术的自动漏洞挖掘可以显著提升军事系统的网络防御能力。目前，网络防御领域存在两大问题：一是网络技术人才短缺；二是当前的网络防御系统面对未知漏洞表现不佳。人工智能的新发展为提升网络防御水平提供了新途径，主要体现在网络系统漏洞自动化检测和自主监视系统等方面。以深度学习为代表的机器学习技术有望使得网络防御系统不仅能从以往的漏洞中学习，而且能在监视数据中不断提升对未知威胁的应对能力。有研究表明，人工智能可以从大量网络数据中筛选出可疑信息，以此增强网络防御能力。比如“蒸馏网络”公司（DistilNetworks）就利用机器学习算法来防御人类难以察觉的高级持续性威胁（APT）网络攻击。目前，美国亚利桑那州立大学的科学家已经研发出了一种能够识别“零日漏洞”的机器学习算法，并能够追踪其在黑客界的流动轨迹。麻省理工学院（MIT）“计算机科学和人工智能”实验室的研究人员也启动了PatternEx研究项目，意在构建一个机器学习系统，预期每天能检查36亿行日志文件，监测85%的网络攻击，并在投入使用时进行自动学习和采取防御措施。美国国防部高级研究计划局正计划将人工智能用于网络防御，重点发展的功能包括在投入使用之前自动检测软件代码漏洞以及通过机器学习探测网络活动中的异常情况等。
1.4为军事训练和培训提供新方式
人工智能为军事训练和培训也提供了新方式。在作战训练领域，人工智能技术与虚拟现实技术相结合能够极大提升模拟软件的逼真度和灵活性，为针对特定战场环境开展大规模仿真训练提供高效手段，真正实现“像训练一样战斗，像战斗一样训练”。首先，通过收集卫星图像、街景数据、甚至是无人机拍摄的三维图像，虚拟现实程序能够在人工智能的帮助下快速、准确地生成以全球任何一处场景为对象的综合训练环境（STE），帮助士兵进行更有针对性的预先演练，提升士兵执行特定任务的能力。其次，人工智能赋能军事训练模拟软件在不降低真实度的情况下快速生成训练环境、设计交战对手，摆脱了以往军事训练耗费大量人力物力布置训练场景的传统模式。再次，人工智能具备的自主性使得模拟军事训练不会以可预测模式进行，士兵必须使用各种设备和不同策略在复杂多样的环境中战斗，有利于提升士兵和指挥官在作战中的应变能力。最后，人工智能通过在模拟对战中与人类反复交手从而迭代学习，系统借助大量复盘模拟可以不断完善应对方法，为参谋人员提供参考借鉴。这一过程类似于与AlphaGo进行围棋对战。换言之，人工智能不仅可以扮演模拟军事训练中人类的强大对手，还可以在每次胜利时向人类传授一种针对这次战役或行动的新策略。除此之外，人工智能在军事训练的其他领域也有着广泛应用。目前，一个名为“神探夏洛克”（SHERLOCK）的智能辅导系统已经被用于美国空军的培训中。这个系统能够为美国空军技术人员提供如何操作电子系统对飞行器进行诊断的培训。同时，南加州大学的信息科学学院已经研制出了一个基于替身的训练程序，能够为派驻海外的军人提供跨文化交流训练。
1.5给军事理论和作战样式创新带来新的启发
诚如恩格斯所言：“一旦技术上的进步可以用于军事目的，他们便立刻几乎强制地，而且往往是违背指挥官的意志而引起作战方式上的改变甚至变革。”技术进步作用于军事领域必然引起作战方式的改变甚至变革，这是恩格斯100多年前就向人们揭示的军事技术发展规律，人工智能技术当然也不例外。总体来看，以人工智能技术为支撑的智能化武器装备较传统武器装备具有突防能力强、持续作战时间长、战术机动性好、训练周期短以及综合成本低等显著优势。智能化无人系统可采用小型化甚至微型化设计，使用复合材料和隐身技术，以隐蔽方式或集群方式接近目标，让敌人难以察觉或无法防范。无人武器系统还可以突破人类生理局限，装备的性能指标和运转时长只需考虑制造材料、各类机械电子设备的承受极限和动力能源的携带量，不但使得系统在机动、承压方面能力得到革命性提升，并且能够实现远距离侦察打击和在目标区域的长时间存在。同样重要的是，与传统武器系统操控训练周期一般长达数年不同，无人系统操控员仅需数月或一年左右的训练即可远程操控“捕食者”“死神”等无人武器参加实战，更多作战人员不必直接踏上战场，有望大大降低战死率和随之而来的社会舆论压力。基于人工智能技术军事化应用的上述特点，近年来美军提出了以算法较量为核心的算法战、无人武器系统蜂群式作战、具有高度自适应性的“马赛克战”等一系列新作战样式。可以预见的是，随着人工智能技术的进一步发展，智能化条件下的军事理论和作战样式创新不会停止。
总而言之，人工智能可以帮助军事力量更加精准高效地运转，同时降低人类面临的生命危险。人工智能在无人作战、情报搜集与处理、军事训练、网络攻防、智能化指挥控制决策等军事领域的广泛运用具有“改变游戏规则”的颠覆性潜力，有望重塑战争形态，改写战争规则，推动智能化战争的加速到来。中央军委科技委主任刘国治中将等专家认为，人工智能必将加速军事变革进程，对部队体制编制、作战样式、装备体系和战斗力生成模式等带来根本性变化，甚至会引发一场深刻的军事革命。
人工智能给军事安全带来的风险和挑战
人工智能作为一种科学技术，同样具备“双刃剑”属性。人工智能一方面为人类社会发展进步和维护军事安全提供了新的动力和机遇，另一方面也带来了一系列威胁与挑战。综而观之，人工智能给军事安全带来的威胁和挑战主要有以下几个方面。
2.1人工智能军事应用带来的非预期事故
人工智能的军事应用存在诸多不确定性，容易带来非预期事故的发生。这主要由以下两点原因所致：一是由于人工智能内部的脆弱性问题（internalvulnerbility）。当前，人工智能还停留在弱人工智能阶段，而弱人工智能系统的特点在于它们接受了非常专门的任务训练，例如下棋和识别图像。战争可以说是最复杂的人类活动之一，巨量且不规律的物体运动仿佛为战场环境蒙上了一层“迷雾”，难以看清和预测战争全貌。在这种情况下，系统的应用环境无时无刻都在发生变化，人工智能系统可能将难以适应。因此，当前弱人工智能存在的根本脆弱性（brittleness）很容易损害系统的可靠性。交战双方部署的人工智能系统交互产生复杂联系，这种复杂性远远超出一个或多个弱人工智能系统的分析能力，进一步加剧了系统的脆弱性，发生事故和出错的概率将大大增加。此外，人工智能算法目前还是一个“黑箱”，可解释性不足，人类很难预测它的最终结果，也容易带来很多非预期事故。二是外部的攻击利用问题（externalexploitation)。研究人员已证明，图像识别算法容易受到像素级“毒”数据的影响，从而导致分类问题。针对开源数据训练的算法尤其容易受到这一挑战，因为对手试图对训练数据进行“投毒”，而其他国家又可能将这些“中毒”数据用于军事领域的算法练。目前对抗性数据问题（adversarialdata）已经成为一个非常严峻的挑战。此外，黑客攻击还可能导致在安全网络上训练的算法被利用。当训练数据受到污染和“投毒”，就很可能产生与设计者意图不符的人工智能应用系统，导致算法偏见乃至更多非预期事故的发生。最后，人机协同也是一个很大的难题。无论是强化学习、深度学习，还是专家系统都不足以完全准确地反映人类的直觉、情感等认知能力。人工智能的军事运用是“人—机—环境”综合协同的过程，机器存在可解释性差、学习性弱、缺乏常识等短板，或将放大发生非预期事故乃至战争的风险。
2.2人工智能军备竞赛的风险
与核武器类似，由于人工智能可能对国家安全领域带来革命性影响，世界各国将会考虑制定非常规政策。目前，世界各国（尤其是中、美、俄等军事大国）都认识到人工智能是强化未来国防的关键技术，正在加大人工智能领域的研发力度，并竭力推进人工智能的军事应用，力图把握新一轮军事技术革命的主动权，全球人工智能军备竞赛态势初露端倪。具体而言，美国将人工智能视为第三次抵消战略的核心，建立“算法战跨职能小组”，筹划基于人工智能的算法战。2018年7月，美国防部设立专门的人工智能机构——联合人工智能中心（JAIC），大力推动军事人工智能应用。2019年2月12日，美国防部正式出台美军人工智能战略，并将联合人工智能中心作为推进该战略落地的核心机构。美国2021财年国防授权法案草案中也特别强调对人工智能、5G、高超声速等关键技术进行投资，建议对人工智能投资8.41亿美元，对“自主性”（autonomy)投资17亿美元。这些举措都体现出美国积极推动人工智能军事化、在人工智能领域谋求新式霸权的意图。俄罗斯在这一领域也不甘落后。2017年1月，普京要求建立“自主机器复合体”（AutonomousRoboticComplexs）为军队服务。中国政府则于2017年7月20日出台《新一代人工智能发展规划》，正式将发展人工智能上升到国家战略高度。军事领域也在通过“军民融合”战略加快“军事智能化发展”步伐，“促进人工智能技术军民双向转化，强化新一代人工智能技术对指挥决策、军事推演、国防装备等的有力支撑，推动各类人工智能技术快速嵌入国防创新领域”。
鉴于人工智能强大而泛在的技术本质以及军事领域对于强大技术的强烈需求，人工智能走向军事应用是难以阻挡的趋势，当前各国竞相推动人工智能军事化和发展人工智能武器便是其现实体现。大国间在人工智能领域的军备竞赛将会危及全球战略稳定，对国家安全带来严重威胁，埃隆·马斯克关于人工智能军备竞赛可能引发第三次世界大战的预言并非危言耸听。如同所有军备竞赛一样，人工智能领域的军备竞赛本质上都是无政府状态下安全困境的体现，如果缺乏信任和有效的军备控制措施，这将成为一场“危险的游戏”，直到一方把另一方拖垮或双方共同卷入战争，上演一场智能时代的“零和博弈”。
2.3扩展威胁军事安全的行为体范围和行为手段
传统上，威胁军事安全的主要行为体是主权国家的军队，但随着网络和人工智能技术的发展，这一行为体范围正在拓展。以网络攻击为例，根据攻防平衡理论，重大军事技术的出现将对攻防平衡产生重大影响，而有的军事技术天然偏向于进攻方。当前，人工智能技术的发展对提升网络攻击能力同样提供了极大机遇。可以预见，人工智能与深度学习的结合有望使得“高级持续威胁”系统成为现实。在这种设想下，网络攻击方能够利用APT系统24小时不间断地主动搜寻防御方的系统漏洞，“耐心”等待对方犯错的那一刻。随着人工智能逐步应用，将有越来越多的物理实体可以成为网络攻击的对象。例如，不法分子可经由网络侵入军用自动驾驶系统，通过篡改代码、植入病毒等方式使得军用无人车失去控制，最终车毁人亡。又比如通过入侵智能军用机器人，控制其攻击己方的人员或装备。同时，人工智能与网络技术结合可能进一步降低网络攻击的门槛。当智能化网络攻击系统研制成功，只要拥有足够多的资金便能有效提升自己的网络攻击能力，而不需要太高的技术要求。因此，未来恐怖分子利用人工智能进行网络攻击或攻击自主系统的算法、网络等，继而诱发军事系统产生故障（如军用无人车、无人机撞击己方人员），或者直接损坏军事物联网实体设备等，都会对军事安全产生很大威胁。
此外，人工智能的发展应用还将催生新的威胁军事安全的方式和手段。人工智能表现出诸多与以往技术不一样的特点，也自然会带来威胁军事安全的新手段，深度伪造（deepfakes）就是其中的典型代表，该技术为煽动敌对国家间的军事冲突提供了新途径。例如，A国雇佣代理黑客使用人工智能技术制作“深度伪造”视频或音频材料，虚构B国密谋针对C国采取先发制人打击，并将这段“深度伪造”材料故意向C国情报部门秘密透露，引发C国的战略误判，迫使其采取对抗手段。B国面对这种情况也将不得不采取措施予以应对，一场由A国借助人工智能技术策划的针对B、C两国的恶意情报欺诈就完成了。当前，“深度伪造”技术的发展速度远超相关的检测识别技术，“开发深度伪造技术的人要比检测它的人多100到1000倍”，这给各国安全部门抵御人工智能增强下的信息欺诈和舆论诱导制造了很多困难。此外，运用人工智能系统的军队也给自身带来了新的弱点，“算法投毒”、对抗性攻击、误导和诱骗机器算法目标等都给军事安全带来了全新挑战。
2.4人工智能产生的跨域安全风险
人工智能在核、网络、太空等领域的跨域军事应用也将给军事安全带来诸多风险。例如，人工智能运用于核武器系统将增加大国核战风险。一方面，人工智能应用于核武器系统可能会强化“先发制人”的核打击动机。核武器是大国战略威慑的基石，人工智能增强下的网络攻击将对核武器的可靠性构成新的威胁，在战时有可能极大削弱国家威慑力、破坏战略稳定。因此，尽管目前人工智能增强下的网络攻击能力的有效性并不确定，危机中仍将大大降低对手间的风险承受能力，增加双方“先发制人”的动机。信息对称是智能化条件下大国间进行良性竞争的基础和保障，但现实情况往往是，在竞争激烈的战略环境中，各国更倾向于以最坏设想来揣测他国意图并以此为假设进行斗争准备，尤其当面对人工智能赋能下的愈加强大的针对核武器系统的网络攻击能力，“先下手为强”确乎成为国家寻求自保的有效手段。另一方面，人工智能技术在核武器系统领域的应用还将压缩决策时间。人工智能增强下的网络攻击几乎发生在瞬间，一旦使核武器系统瘫痪，国家安全将失去重要屏障，给予决策者判断是否使用核武器的压力将激增。尤其在一个国家保持“基于预警发射”（lauch-on-warning)的情况下，核武器系统遭到人工智能增强下的网络攻击时几乎无法进行目标探测并且发出警报，更不可能在短时间内进行攻击溯源和判定责任归属，决策时间压缩和态势判断困难会使决策者承受巨大压力，极有可能造成战略误判，给世界带来灾难。
人工智能与网络的结合会极大提升国家行为体和非国家行为体的网络能力，同时也会催生出一系列新的问题。首先，人工智能技术的网络应用将提升国家行为体的网络攻击能力，可能会加剧网络领域的冲突。如前所述，基于人工智能的APT攻击可使得网络攻击变得更加便利，溯源问题也变得更加困难。与此同时，人工智能的网络应用可能会创造新的缺陷。目前人工智能的主要支撑技术是机器学习，而机器学习需要数据集来训练算法。一旦对方通过网络手段注入“毒数据”（如假数据），则会使得原先的人工智能系统非正常运行，可能带来灾难性后果。其次，由于人工智能算法的机器交互速度远超人类的反应速度，因此一旦将人工智能用于军事领域的网络作战，还有可能带来“闪战”风险，即人类还没来得及完全理解网络空间的战争就已经发生。此外，人工智能在太空领域的应用可能对全球战略稳定和军事安全带来破坏性影响。在人工智能的加持下，传统的反卫星手段将变得更加精准、更具破坏性、更难追溯，从而加大“先发制人”的动机，寻求先发优势。这容易破坏航天国家的军事安全和全球战略稳定，因为攻击卫星尤其是预警卫星往往被视为发动核打击的前兆。
结语
总体国家安全观强调，发展是安全的基础和目的，安全是发展的条件和保障，二者要同步推进，不可偏废。既要善于运用发展成果夯实国家安全的实力基础，又要善于塑造有利于经济社会发展的安全环境，以发展促安全、以安全保发展。因此，维护人工智能时代的军事安全并不代表放弃人工智能的发展，反而要大力推动其应用，使其成为维护军事安全的重要手段和支撑，并注重化解风险。如今，我国正处在由大向强发展的关键时期，人工智能有望成为驱动新一轮工业革命和军事革命的核心技术。因此，我们需要抢抓此次重大历史机遇，积极推动人工智能的研发和军事应用，推动军事智能化建设稳步发展，为建设世界一流军队增添科技支撑。
在当今时代，没有谁是一座孤岛，人工智能对于军事安全领域的影响是全球性的，因此推动人工智能领域的国际安全治理、构建人类命运共同体就显得尤为重要。由于人工智能的迅猛发展，目前对于智能武器尤其是致命性自主武器系统的相关法律法规还并不完善，各国在如何应对这些问题方面也没有明确的方法、举措和共识，但这些问题确关人类社会的未来前景和国际体系稳定。为了维护我国的军事安全以及整体的国家安全利益，应当推动人工智能技术治理尤其是安全领域的全球治理，在人工智能的军事应用边界（如是否应当将其用于核武器指挥系统）、致命性自主武器系统军备控制等领域开展共同磋商，在打击运用人工智能进行恐怖犯罪等领域进行合作，构建人工智能时代的安全共同体和人类命运共同体，维护国家军事安全和人类和平福祉。
免责声明：本文转自信息安全与通信保密杂志社，原作者文力浩,龙坤。文章内容系原作者个人观点，本公众号转载仅为分享、传达不同观点，如有任何异议，欢迎联系我们！
推荐阅读
2021年上半年世界前沿科技发展态势
2021年上半年世界前沿科技发展态势——信息领域
2021年上半年世界前沿科技发展态势——生物领域
2021年上半年世界前沿科技发展态势——能源领域
2021年上半年世界前沿科技发展态势——新材料领域
2021年上半年世界前沿科技发展态势——先进制造领域
2021年上半年世界前沿科技发展态势——航空领域
2021年上半年世界前沿科技发展态势——航天领域
2021年上半年世界前沿科技发展态势——海洋领域
转自丨信息安全与通信保密杂志社
作者丨文力浩,龙坤
编辑丨郑实
研究所简介
国际技术经济研究所（IITE）成立于1985年11月，是隶属于国务院发展研究中心的非营利性研究机构，主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题，跟踪和分析世界科技、经济发展态势，为中央和有关部委提供决策咨询服务。“全球技术地图”为国际技术经济研究所官方微信账号，致力于向公众传递前沿技术资讯和科技创新洞见。
地址：北京市海淀区小南庄20号楼A座
电话：010-82635522
微信：iite_er返回搜狐，查看更多