人工智能被教导可以快速评估灾难的破坏程度

广岛大学的研究人员教授一种AI，可以观察灾后的航空影像并准确确定建筑物的受灾程度，这是危机响应者可以用来绘制损坏程度并确定最需要帮助的受灾最严重地区的技术。

灾难发生后的头72小时之内迅速采取行动对于挽救生命至关重要。灾难官员需要计划有效的应对措施的第一件事就是准确的损害评估。但是，任何看到过自然灾害余波的人都知道许多后勤方面的挑战，这些挑战可能使现场评估对危机响应者的生命构成威胁。

使用卷积神经网络(CNN)(一种受人脑图像识别过程启发的深度学习算法)，由广岛大学高级科学与工程学院副教授三浦博之(Hiroyuki Miura)领导的团队训练了一个AI，可以立即完成一项任务，通常要求我们在资源匮乏的时候投入关键的时间和人员。

先前用于评估损坏的CNN模型需要在照片前后进行评估。但是Miura的模型不需要灾前图像。它仅依靠灾后照片来确定建筑物损坏。

它根据日本建筑学会在2016年熊本地震中使用的七个破坏等级(D0-D6)将建筑物分类为塌陷，未塌陷或覆盖有蓝色篷布。

甲倒塌的建筑物被定义为D5-D6或严重损坏。未塌陷被解释为D0-D1或微不足道的损坏。在以前的CNN模型中很少考虑的中间损坏被指定为D2-D3或中度损坏。