天災(zāi)來襲，人類有沒有足夠的能力預(yù)警或者應(yīng)對(duì)災(zāi)難？

答案是肯定的，問題是，這種管理災(zāi)難的能力在科技助力下，到底能發(fā)揮多大的效力？

科技救災(zāi)從數(shù)據(jù)地圖到災(zāi)情播報(bào)機(jī)器人

據(jù)36氪報(bào)道，九寨溝地震前第一條預(yù)警消息，來自于成都市高新區(qū)減災(zāi)研究所所長(zhǎng)王暾及其團(tuán)隊(duì)研發(fā)，并與四川阿壩州防震減災(zāi)局聯(lián)合建立的ICL地震預(yù)警系統(tǒng)，該系統(tǒng)提前71秒通過手機(jī)及專用終端為成都市發(fā)出預(yù)警信息，并且提前19秒為甘肅隴南市發(fā)出預(yù)警。另有中國(guó)地震臺(tái)網(wǎng)消息，災(zāi)后第一時(shí)間發(fā)布災(zāi)情新聞來自于他們從2015年開始自主研發(fā)的“地震信息播報(bào)機(jī)器人”， 25秒內(nèi)寫了500余字，配上5張地震信息圖，在第一時(shí)間在多個(gè)平臺(tái)播報(bào)地震信息，1分鐘內(nèi)可覆蓋上億人群。

科技救災(zāi)在過去10年以來并不少見。早在2007年秘魯?shù)卣鹬螅琁BM便研發(fā)了一款開源軟件Sahana（撒哈拉），以數(shù)字地圖的形式將各類災(zāi)情信息發(fā)布在地圖上，供救助者第一時(shí)間全局掌握災(zāi)情信息。

2008年汶川地震，百度在震后第三天迅速上線了“汶川地震尋人吧”，主要以論壇發(fā)帖的方式，進(jìn)行受災(zāi)群眾的救助信息發(fā)布。

2010年海地地震之后，谷歌上線Google尋人工具，在多語(yǔ)言協(xié)同工作的情況下，提供衛(wèi)星云圖、庇護(hù)所、路況信息、電力信息等。2010年里約熱內(nèi)盧洪災(zāi)和泥石流災(zāi)難之后，該市采用IBM研發(fā)的城市運(yùn)營(yíng)中心進(jìn)行各方危機(jī)數(shù)據(jù)的整合管理。

2013年IBM上線全新的智能城市運(yùn)營(yíng)中心，進(jìn)一步強(qiáng)化在智能城市環(huán)境下的危機(jī)應(yīng)急管理能力。

IBM“智能運(yùn)營(yíng)中心”提供一種“假設(shè)”操作模式，對(duì)某一類應(yīng)急管理會(huì)帶來的后續(xù)效果進(jìn)行預(yù)演測(cè)試。

2011年成立的人道主義開放街道地圖Humanitarian Open Street Map Team，是一個(gè)以網(wǎng)絡(luò)志愿者進(jìn)行數(shù)據(jù)眾包的志愿者網(wǎng)絡(luò)，通過招募志愿者在Open Street網(wǎng)站進(jìn)行實(shí)時(shí)的救災(zāi)、尋人信息的發(fā)布和繪圖。

2012年由科技公司Thoughts Work 和UNICEF聯(lián)合開發(fā)的開源軟件The Rapid Family Tracing and Reunification System（RapidFTR）用于烏干達(dá)的難民營(yíng)用于幫助尋找在災(zāi)難中走失的兒童。救助機(jī)構(gòu)能夠在手機(jī)上輸入兒童信息并進(jìn)行地理位置跟蹤，以便走失兒童的父母可以第一時(shí)間通過這個(gè)數(shù)據(jù)庫(kù)尋找到自己在災(zāi)難中失散的孩子。

2013年雅安地震，益云救災(zāi)地圖有效地實(shí)時(shí)統(tǒng)籌救災(zāi)需求和救災(zāi)資源信息、發(fā)布制數(shù)字化救災(zāi)信息地圖，并結(jié)合地圖進(jìn)行線上需求、資源人工配對(duì)，通過志愿者團(tuán)隊(duì)的“人手?jǐn)?shù)據(jù)清洗”，使得原本混雜在海量的祈禱、情緒化和災(zāi)情問詢的社交媒體中的災(zāi)情需求信息，第一時(shí)間被精準(zhǔn)提取出來，并在數(shù)字地圖上進(jìn)行精準(zhǔn)的信息定位，幫助一線救災(zāi)團(tuán)隊(duì)及時(shí)發(fā)現(xiàn)災(zāi)情的盲區(qū)。

2015年4月25日尼泊爾地震，大疆派出工作人員，教會(huì)當(dāng)?shù)厝耸褂镁`Phantom 3對(duì)村莊進(jìn)行繪測(cè)，很快獲取了當(dāng)?shù)氐?D地圖，并迅速統(tǒng)計(jì)出建筑損毀狀況和具體地點(diǎn)。

2017年6月7日，facebook 研究院宣布facebook上線“救災(zāi)地圖”，通過“密度地圖”、“運(yùn)動(dòng)地圖”、“安全確認(rèn)地圖”三大數(shù)據(jù)集，實(shí)時(shí)顯示災(zāi)后實(shí)時(shí)的災(zāi)區(qū)人口密度、人群流動(dòng)軌跡和經(jīng)過確認(rèn)的災(zāi)民安全信息。Facebook的全球用戶化身成為“人肉數(shù)據(jù)傳感器”，所有第一時(shí)間接觸到災(zāi)難信息的臉書用戶都能成為救災(zāi)數(shù)據(jù)志愿者，投入到災(zāi)情數(shù)據(jù)的收集行動(dòng)中去。數(shù)據(jù)通過臉書用戶收集之后，F(xiàn)acebook會(huì)采取“時(shí)間聚合”、“空間聚合”，“空間平滑”等數(shù)據(jù)算法進(jìn)行分析，在地圖頁(yè)面進(jìn)行可視化呈現(xiàn)。

長(zhǎng)年服務(wù)于救災(zāi)領(lǐng)域的卓明災(zāi)害信息服務(wù)中心，也通過志愿者眾包數(shù)據(jù)，繪制的“2017四川九寨溝7.0級(jí)地震社會(huì)組織行動(dòng)分布地圖”，如下圖：

科技救災(zāi)中的人因算法

災(zāi)難救助，是一項(xiàng)非常需要以人為本的人道主義救援。每一次科技助力救災(zāi)，都離不開人的參與。

越來越多的新興科技手段運(yùn)用到災(zāi)難救助和災(zāi)后援助行動(dòng)中，當(dāng)我們已經(jīng)可以通過人工智能算法進(jìn)行地震預(yù)警和報(bào)道地震災(zāi)害的時(shí)候，高新科技如何為救災(zāi)隊(duì)員提供及時(shí)、有效的服務(wù)，科學(xué)的提高災(zāi)難救助和應(yīng)急管理的有效性成為了當(dāng)下智慧城鄉(xiāng)管理中最核心的問題。

如果說地震的發(fā)生時(shí)間和震級(jí)可以采用震源監(jiān)測(cè)儀器監(jiān)測(cè)，關(guān)于地震的消息可以通過文本分析算法實(shí)時(shí)進(jìn)行新聞播報(bào)，但是在災(zāi)難救助過程中，有關(guān)人的需求、行動(dòng)和資源調(diào)配情況，以及救災(zāi)隊(duì)員在行動(dòng)中的體能、健康狀況相關(guān)的人的數(shù)據(jù)，很難通過監(jiān)測(cè)儀器進(jìn)行實(shí)時(shí)管理。這些和人有關(guān)的數(shù)據(jù)，則需要通過第三方的“人肉傳感器（human sensor）”，例如數(shù)據(jù)地圖志愿者、一線的災(zāi)情報(bào)道者等，通過現(xiàn)場(chǎng)觀察和記錄，進(jìn)行數(shù)據(jù)收集和整理，上傳到云端，輔助救災(zāi)決策。當(dāng)科技救災(zāi)成為主流話語(yǔ)時(shí)，由于對(duì)救災(zāi)硬件和軟件的依賴，往往忽略了對(duì)救災(zāi)數(shù)據(jù)工具的用戶體驗(yàn)和救災(zāi)數(shù)據(jù)管理的重要性。

筆者曾在雅安地震中，擔(dān)任益云救災(zāi)地圖數(shù)據(jù)志愿者團(tuán)隊(duì)的負(fù)責(zé)人，在眾包繪制雅安救災(zāi)地圖的過程中，筆者發(fā)現(xiàn)，救災(zāi)隊(duì)員并不會(huì)第一時(shí)間采用新的數(shù)字化救災(zāi)工具。基于時(shí)間緊急的環(huán)境下，他們往往會(huì)采用自己信任和熟悉的溝通工具進(jìn)行救災(zāi)溝通，例如在有足夠熟悉的信息采集員的QQ群里發(fā)送消息，或者通過電話直接和各方救災(zāi)伙伴進(jìn)行溝通等等。在這種情況下，“強(qiáng)行插入”的科技救災(zāi)工具，不但沒有有效的“安裝”到救災(zāi)現(xiàn)場(chǎng)，科技救災(zāi)工具很難發(fā)揮出有效的助力作用反而成為了一線救災(zāi)人員的負(fù)擔(dān)。

同樣是在雅安信息救災(zāi)過程中，微信群也在信息救災(zāi)中發(fā)揮了巨大的作用。救災(zāi)隊(duì)員、志愿者、當(dāng)?shù)厝罕姡ㄟ^微信群，迅速匯聚到一起，信息堆疊達(dá)到了最大化。但是由于信息發(fā)布過于便利，對(duì)于信息發(fā)布、傳播的格式、節(jié)奏和數(shù)據(jù)量沒有人為的信息流量控制，越是人群密集的微信群，信息超載導(dǎo)致的“信息洪水”頻頻出現(xiàn)，救災(zāi)隊(duì)員們很難在這些“數(shù)據(jù)泥石流”中尋找到有用的信息，導(dǎo)致了需求和救災(zāi)資源不能及時(shí)匹配，延誤了救災(zāi)。

歸根到底，科技工具用于救災(zāi)，核心用戶是受災(zāi)群眾及救災(zāi)行動(dòng)者。如果科技工具在數(shù)據(jù)收集、數(shù)據(jù)傳遞和數(shù)據(jù)管理上忽略使用者的數(shù)據(jù)、時(shí)間和溝通效果的可受性（affordance），科技救災(zāi)工具不是被用戶棄用就是采集不到精準(zhǔn)準(zhǔn)據(jù)用于決策，這樣一來，“數(shù)字化救災(zāi)的次生災(zāi)害”就伴隨著科技工具的使用出現(xiàn)了。

因此，考慮到一線救災(zāi)隊(duì)員使用科技救災(zāi)工具的用戶體驗(yàn)，才能更好的發(fā)揮科技救災(zāi)工具的科學(xué)效力。在2014年8月18日四川大學(xué)-香港理工大學(xué)災(zāi)后重建學(xué)院、益云地圖合作的“8.03魯?shù)樾畔⒕葹?zāi)用戶體驗(yàn)工作坊”上，參加魯?shù)榫葹?zāi)的各機(jī)構(gòu)負(fù)責(zé)人志愿者紛紛吐槽微信群、微博上的信息超載，當(dāng)時(shí)很多機(jī)構(gòu)都發(fā)布了自己機(jī)構(gòu)的救災(zāi)工作簡(jiǎn)報(bào)進(jìn)行公益?zhèn)鞑ィ钦嬲?jiǎn)單明了的提供精準(zhǔn)救災(zāi)信息、各救災(zāi)隊(duì)伍工作范圍和行動(dòng)軌跡及趨勢(shì)的內(nèi)容幾乎看不到，救災(zāi)隊(duì)員們對(duì)繁瑣、過量的信息苦不堪言。

來自于巴基斯坦國(guó)家科技大學(xué)Zoha Sheikh等人發(fā)表在第14屆危機(jī)響應(yīng)和管理信息系統(tǒng)的國(guó)際會(huì)議上的一篇論文User-Assisted Information Extraction from Twitter During Emergencies，明確列出了災(zāi)難過程中，通過用戶協(xié)助抽取twitter災(zāi)情文本，從未標(biāo)注的原始文本到輸出標(biāo)注的精準(zhǔn)文本的全流程。

在文本標(biāo)注的過程中，由于不同的標(biāo)準(zhǔn)員對(duì)文本的理解和歸類不同，標(biāo)注出來文本屬性，往往會(huì)出現(xiàn)不同，因此呈現(xiàn)出來的災(zāi)情信息屬性也會(huì)不同，出現(xiàn)誤標(biāo)的情況，需要通過twitter用戶協(xié)助標(biāo)注，從而糾正災(zāi)情標(biāo)注的機(jī)器學(xué)習(xí)算法出現(xiàn)狀況。由此可見，機(jī)器學(xué)習(xí)算法并不是萬(wàn)無(wú)一失的，需要透過用戶的實(shí)際經(jīng)驗(yàn)和認(rèn)知來進(jìn)行管理和調(diào)整。

以2013年雅安地震的數(shù)字化救災(zāi)地圖的繪制為例，繪制一個(gè)實(shí)時(shí)精準(zhǔn)的數(shù)字化救災(zāi)地圖，從志愿者的統(tǒng)籌、到數(shù)據(jù)的收集、整理、清洗、發(fā)布、行動(dòng)決策，到行動(dòng)反饋，需要全面保證救災(zāi)信息的時(shí)效性、及時(shí)傳播、數(shù)據(jù)的真實(shí)性、數(shù)據(jù)收集者的溝通對(duì)話機(jī)制、數(shù)據(jù)渠道暢通效果以及救災(zāi)信息的數(shù)據(jù)安全。而這些人對(duì)科技救災(zāi)工具的管理、使用和反饋的都是科技救災(zāi)工具的軟硬件之外“人因算法”（Human Algorithm）。

這種人因算法，主要是指用戶根據(jù)自身的經(jīng)驗(yàn)、使用習(xí)慣以及具體的使用場(chǎng)景，調(diào)用、協(xié)調(diào)科技工具進(jìn)行行為決策的一種人機(jī)協(xié)同機(jī)制。電影《薩利機(jī)長(zhǎng)》里，機(jī)長(zhǎng)薩利根據(jù)自己多年的飛行經(jīng)驗(yàn)判斷返航著陸地點(diǎn)，而拒絕了飛機(jī)人工智能導(dǎo)航系統(tǒng)推薦的返航路線。貝利機(jī)長(zhǎng)的這種經(jīng)驗(yàn)判斷，就是在危急關(guān)頭，他啟動(dòng)了自己的“人因算法”，做出了關(guān)鍵性的應(yīng)急決策。

谷歌最近宣布的一項(xiàng)全新計(jì)劃“人類與AI研究”（People +AI research）——PAIR計(jì)劃，便是把人的主觀決策機(jī)制——人因算法，放在人機(jī)合作模式研究的核心位置上，從而減少人工智能的負(fù)面影響，提高人機(jī)合作的效率。

由此可見，在人機(jī)協(xié)同的工作環(huán)境下，人和科技工具成為了一個(gè)整體，而是這個(gè)整體是以人的決策為核心的。

科技救災(zāi)工具，不論是數(shù)據(jù)地圖，還是人工智能災(zāi)情機(jī)器人，在緊急救災(zāi)和災(zāi)后安置的危機(jī)狀態(tài)下，這些科技工具都是救災(zāi)隊(duì)員的“數(shù)字化外骨骼”，這些工具不論是攜帶在身邊、穿戴在救災(zāi)隊(duì)員身上，還是從數(shù)據(jù)收集的真實(shí)性、有效性，再到災(zāi)情分析的機(jī)器學(xué)習(xí)算法的糾正，都是對(duì)人的補(bǔ)充，而不是里凌駕于人的決策之上。

尤其是在環(huán)境場(chǎng)景多變，時(shí)間緊迫、資源有限的危機(jī)時(shí)刻，救災(zāi)隊(duì)員對(duì)于一線數(shù)據(jù)的收集和判斷，人的決策速度都要比機(jī)器算法來的更加迅速、精準(zhǔn)和直觀。科技救災(zāi)工具的設(shè)計(jì)和使用，都就需要考慮在特定場(chǎng)景下，讓數(shù)字工具為救災(zāi)隊(duì)員服務(wù)，提升救災(zāi)隊(duì)員在一線使用數(shù)字工具的用戶體驗(yàn)，才是真正意義上的科學(xué)精準(zhǔn)救災(zāi)。

科技救災(zāi)，在智慧城鄉(xiāng)管理中越來越發(fā)揮著重要的作用。然而科技救災(zāi)，并不僅僅只有科技救災(zāi)工具的硬件和軟件部分，人與科技智能救災(zāi)工具的協(xié)同工作、以及人的行為、態(tài)度對(duì)救災(zāi)數(shù)據(jù)的影響、人對(duì)算法推薦決策的評(píng)判和接納，這些智慧城市應(yīng)急管理中的“軟核科學(xué)”，都是智慧城鄉(xiāng)應(yīng)急管理的內(nèi)容。現(xiàn)有的智慧城鄉(xiāng)應(yīng)急管理系統(tǒng)，往往只看重科技工具的貢獻(xiàn)，而忽視了在應(yīng)急管理的信息管理的全流程過程中“人因算法”的參與和貢獻(xiàn)。

只有全面把人在救災(zāi)過程中與科技救災(zāi)工具協(xié)同互動(dòng)的貢獻(xiàn)——人因算法，納入智慧城市應(yīng)急管理的核心位置，才能最大限度的發(fā)揮科技助力救災(zāi)的科學(xué)有效性，被科技工具武裝到眼睛的救災(zāi)隊(duì)員和城市治理者，也才能真正成為打通前線和后方的協(xié)同工作，真正做到人機(jī)協(xié)同，以人為本的精準(zhǔn)救災(zāi)。