人工智能被教導可以快速評估災難的破壞程度

廣島大學的研究人員教授一種AI，可以觀察災后的航空影像并準確確定建筑物的受災程度，這是危機響應者可以用來繪制損壞程度并確定最需要幫助的受災最嚴重地區的技術。

災難發生后的頭72小時之內迅速采取行動對于挽救生命至關重要。災難官員需要計劃有效的應對措施的第一件事就是準確的損害評估。但是，任何看到過自然災害余波的人都知道許多后勤方面的挑戰，這些挑戰可能使現場評估對危機響應者的生命構成威脅。

使用卷積神經網絡(CNN)(一種受人腦圖像識別過程啟發的深度學習算法)，由廣島大學高級科學與工程學院副教授三浦博之(Hiroyuki Miura)領導的團隊訓練了一個AI，可以立即完成一項任務，通常要求我們在資源匱乏的時候投入關鍵的時間和人員。

先前用于評估損壞的CNN模型需要在照片前后進行評估。但是Miura的模型不需要災前圖像。它僅依靠災后照片來確定建筑物損壞。

它根據日本建筑學會在2016年熊本地震中使用的七個破壞等級(D0-D6)將建筑物分類為塌陷，未塌陷或覆蓋有藍色篷布。

甲倒塌的建筑物被定義為D5-D6或嚴重損壞。未塌陷被解釋為D0-D1或微不足道的損壞。在以前的CNN模型中很少考慮的中間損壞被指定為D2-D3或中度損壞。