Mga nadagdag:
- Kakayahang tukuyin ang papel ng AI sa data synthesis at scenario generation sa disaster risk, climate impact at urban resilience analysis
- Kakayahang malinaw na subaybayan ang kawalan ng katiyakan at mga hangganan ng data kapag naghahanda ng mga mapa ng peligro at mga tagapagpahiwatig ng katatagan gamit ang AI
- Kakayahang maunawaan na ang mga desisyon sa sakuna at kaligtasan sa buhay ay nakasalalay sa karampatang eksperto, pormal na pagsusuri sa panganib at pag-apruba ng regulasyon at hindi ito mapapalitan ng AI.
Ang pinakamahirap na pagsubok sa isang lungsod ay ang pagtugon nito sa isang krisis: isang lindol, isang baha, isang sunog sa kagubatan, isang alon ng init. Ang pagpaplano ay ang pinakamabisang tool upang maiwasan ang mga krisis na ito at mabawasan ang epekto nito. Ang paglalagay ng gusali palayo sa fault line, pag-iiwan sa stream bed na walang laman, pagpapanatiling bukas ng mga ruta ng paglisan, pagtaas ng mga halaman at pagbabawas ng init na isla; Ang lahat ng ito ay mga desisyon sa pagpaplano. Ang lugar na ito ay tinatawag na urban resilience; kapasidad ng isang lungsod na makayanan ang mga pagkabigla at makabangon. Ang AI ay isang makapangyarihang tulong sa pag-synthesize ng malaking halaga ng data, pagbuo ng mga senaryo, paghahanda ng mga tagapagpahiwatig ng panganib at pag-uulat sa pagtatasa ng kalamidad at klima. Ngunit ang lugar na ito ay direktang nangangahulugan ng kaligtasan ng buhay, at ang pinakamahigpit na limitasyon ay nalalapat dito: ang pagtatasa ng panganib sa sakuna at mga umiiral na desisyon batay dito ay nabibilang sa opisyal na pagsusuri ng mga karampatang eksperto (geology, geotechnical, hydrology, earthquake engineering) at batas. Ang output ng AI ay hindi kapalit para sa pagsusuri at pag-apruba na ito.
Bakit dito ang pinakamahigpit na hangganan?
Ang mga pagkakamali ng mga desisyon sa kalamidad at klima ay hindi na maibabalik. Isang maling linya ng baha, mga bahay sa ilalim ng tubig; Ang minamaliit na distansya ng fault ay nangangahulugan ng mga gumuhong gusali. Kaya naman "red in the red zone" din ang lugar na ito. Ginagamit lang ang AI dito para sa pre-screening, data synthesis at komunikasyon; Hindi tinutukoy ng AI ang limitasyon sa panganib, ligtas na distansya, pagbabawal sa gusali.
Babala: Ang mapa ng panganib o marka ng panganib na nabuo ng AI ay hindi isang pormal na pagsusuri sa sakuna. Hindi mo ito direktang maisasalin sa isang pagbabawal sa gusali, plano sa paglikas, o utos ng ligtas na pagdistansya. Ang mga desisyong ito ay ginawa batay sa opisyal na pag-aaral ng karampatang eksperto, data sa larangan at kasalukuyang batas.
Mga angkop na tungkulin ng AI
- Synthesis ng data: Pagsasama-sama at pagsasaayos ng data mula sa iba't ibang pinagmulan (lindol, baha, landslide, klima).
- Pagbalangkas ng senaryo: Pagbubuo ng mga senaryo na "50-taong baha", "matinding init ng init", "major earthquake" (mula sa mga digital core na opisyal na modelo).
- Paghahanda ng tagapagpahiwatig: Mga tagapagpahiwatig ng katatagan ng draft (proporsyon ng berdeng espasyo, pag-access sa paglikas, mahinang densidad ng populasyon).
- Fragility map pre-screening: Aling mga kapitbahayan ang maaaring mas marupok; bilang isang hypothesis.
- Komunikasyon: Mga text draft na nagpapaliwanag ng impormasyon sa panganib sa mga mamamayan nang simple at hindi nagdudulot ng gulat.
- Mabilis na buod pagkatapos ng kalamidad: Pag-edit (pagkumpirma) ng mga ulat sa field at mga abiso sa pinsala.
Mga tagapagpahiwatig ng katatagan
Ang katatagan ay hindi isang abstract na konsepto; Ito ay nagiging mga masusukat na tagapagpahiwatig: berdeng lugar per capita, distansya sa pinakamalapit na bukas na lugar ng pagtitipon, density ng mahinang populasyon (matanda, may kapansanan, bata), bilang ng mga kapitbahayan na may iisang pasukan at labasan, populasyong naninirahan sa mga lugar na nanganganib sa baha/lindol, redundancy ng kritikal na imprastraktura (ospital, departamento ng bumbero). Nakakatulong ang AI sa pagsasama-sama ng mga indicator na ito sa isang dashboard at paghahambing sa mga kapitbahayan. Ngunit ang data ng bawat tagapagpahiwatig ay dapat na napapanahon at tumpak; Ang kawalan ng katiyakan ay dapat na nakasulat nang malinaw.
Hakbang-hakbang: AI-powered resilience analysis
- Kilalanin ang mga panganib. Aling mga uri ng sakuna, anong klima ang nakakaapekto?
- Kolektahin ang opisyal na data. Data ng lindol, baha, pagguho ng lupa at klima mula sa mga awtorisadong institusyon.
- I-synthesize ang data gamit ang AI. Ayusin, tugma, tsart.
- Mag-install ng gauge set. Mga tagapagpahiwatig ng katatagan, sa batayan ng kapitbahayan.
- Paunang i-screen ang mga marupok na lugar. Markahan bilang hypothesis.
- Kunin itong maaprubahan ng isang eksperto. Mahusay na pag-aaral para sa limitasyon sa panganib at desisyon.
- Mag-ulat ng kawalan ng katiyakan; Ipaubaya ang desisyon sa opisyal na proseso.
Mahinang prompt / Malakas na prompt
Mahinang prompt: "May panganib ba sa lindol sa rehiyong ito, dapat bang magkaroon ng pagbabawal sa pagtatayo?"
Hindi alam ng AI ang data at hindi rin makakagawa ng desisyong iyon; Ang isang gawa-gawang pahayag ng panganib ay mapanganib.
Malakas na prompt: "Nasa ibaba ang [anonymized] na data ng panganib mula sa mga karampatang awtoridad (klase ng panganib sa lindol, floodplain, bulnerableng density ng populasyon — kapitbahayan ayon sa kapitbahayan). Ayusin ang mga ito sa isang dashboard ng resilience at markahan bilang isang listahan ng pre-screening kung saan ang mga kapitbahayan ay maaaring mangailangan DIN ng pagsusuri ng eksperto. Pagtatakda ng limitasyon sa panganib, nagrerekomenda ng mga pagbabawal sa pagtatayo; ipahiwatig sa bawat pag-aaral ng data na kabilang ang mga ito" [...]
Ang pangalawang prompt ay pinipiga ang AI sa papel ng synthesis at pre-scan; Ipinauubaya nito ang awtoridad sa paggawa ng desisyon sa eksperto at sa proseso.
Apat na maaaring kopyahin na mga template
Gawain: Ayusin ang sumusunod na [anonymous] na data ng panganib sa isang dashboard ng resilience na nakabatay sa kapitbahayan. Mga tagapagpahiwatig: ratio ng berdeng lugar, distansya ng lugar ng pagtitipon, sensitibong density ng populasyon, peligrosong populasyon ng lugar. Para sa bawat kapitbahayan, lagyan ng tsek ang "Inirerekomenda ba ang karagdagang pagsusuri ng eksperto?" PAGTUKOY ng limitasyon sa panganib.Data: [...]
Gawain: Pagsama-samahin ang sumusunod na data ng kalamidad/klima mula sa iba't ibang mapagkukunan at markahan ang mga hindi pagkakapare-pareho, mga puwang, at mga punto ng kaduda-dudang pagiging napapanahon. Paggawa ng desisyon; Suriin lamang ang kalidad ng data. Data: [...]
Gawain: Sumulat ng isang tapat, ngunit hindi nakakapagpa-panic na DRAFT tungkol sa mga sumusunod na natuklasang panganib para sa mga mamamayan. Paggawa ng isang tiyak na deklarasyon ng panganib; panatilihin ang balangkas ng "ayon sa opisyal na pagsusuri ng mga karampatang awtoridad". Mga natuklasan: [...]
Gawain: Ipaliwanag ang mga terminong urban resilience, hazard, vulnerability, exposure at risk sa simpleng Turkish sa isang diksyunaryo. Ipaliwanag ang panganib sa relasyon = panganib x pagkakalantad x kahinaan sa isang pangungusap.
Isang talahanayan: uri ng panganib at pananagutan
Panganib
Pinagmulan ng data
Ang papel ng AI
May-ari ng desisyon
lindol
Aktibong fault, ground, hazard map
Synthesis ng data, pre-screening
Geology/geotechnics + earthquake engineering.
baha
Hydrology, floodplain survey
tagapagpahiwatig, komunikasyon
Kaugnay na pag-aaral ng institusyon (hal. DSI).
pagguho ng lupa
dalisdis, heolohiya, talaan
Mahina na pre-screening
geologist
temperatura/klima
temperatura, berde, isla ng init
Tagapagpahiwatig, senaryo
Dalubhasa sa klima/kapaligiran + patakaran
apoy
vegetation, access
I-access ang draft ng pagsusuri
Kagawaran ng bumbero/opisyal ng kagubatan
tatlong mini case
Kaso 1 — Nilikhang ligtas na distansya. Tinanong ng isang tagaplano ang AI ng "ligtas na distansya ng gusali" sa isang fault line; Nagbibigay ang AI ng kumpiyansa na numero. Dinadala ito ng tagaplano sa pormal na geological survey; Ang totoong sitwasyon ay mas kumplikado depende sa ground at fault geometry, at ang solong numero na ibinigay ng AI ay walang batayan. Ang paggawa ng AI ask number sa lugar na ito ay direktang panganib sa kaligtasan ng buhay.
Kaso 2 — Maliwanag na hina. Nagtatatag ang isang koponan ng dashboard ng resilience na nakabatay sa kapitbahayan; Ang data na organisado ng AI ay nagpapakita na ang isang kapitbahayan na may iisang pasukan at labasan at isang siksik na populasyon ng matatanda ay kritikal para sa paglikas. Ito ay hindi isang desisyon, ngunit isang paunang screening; Ang koponan ay nagtuturo sa kapitbahayan sa ekspertong inspeksyon at ikalawang pagpaplano ng ruta ng paglikas. Ginawang nakikita ng AI ang blind spot.
Kaso 3 — Matapat na komunikasyon. Kapag ang isang munisipalidad ay nag-anunsyo ng impormasyon sa panganib sa baha sa mga mamamayan, naghahanda ito ng isang malinaw, hindi-panic na text na may AI, na naka-frame "ayon sa opisyal na pagsusuri ng karampatang institusyon" at kinukumpirma ang bawat numero sa isang opisyal na pag-aaral. Ang transparent at tapat na komunikasyon ay nagpapataas ng tiwala at seguridad.
Mga karaniwang pagkakamali
- Ang pagkakaroon ng AI na humingi ng limitasyon sa panganib/safe na distansya. Ang mga halagang ito ay nabibilang sa karampatang pag-aaral ng dalubhasa; Binubuo ito ng AI.
- Ipagkamali ang mapa ng peligro bilang isang opisyal na pag-aaral. Ang AI pre-screening ay hindi maaaring maging batayan para sa pagpapasya.
- Itinatago ang kawalan ng katiyakan. Ang kawalan ng katiyakan sa data ng kalamidad ay mahalaga; dapat nakasulat nang malinaw.
- Nilaktawan ang pag-update ng data. Ang lumang data ng panganib ay lumilikha ng nakamamatay na maling kumpiyansa.
- Nagdudulot ng gulat o kawalang-interes. Ang komunikasyon ay dapat na tapat ngunit mahinahon at batay sa mga opisyal na mapagkukunan.
- Paglimot sa mga mahihinang grupo. Ang densidad ng mga matatanda, may kapansanan at mga bata ay ang ubod ng kahinaan.
Sa buod
Ang pagsusuri sa sakuna, klima at katatagan ay ang lugar ng pagpaplano na higit na nakakaapekto sa kaligtasan ng buhay at ang pinakamahigpit na limitasyon ay nalalapat dito. Ang AI ay isang makapangyarihang tulong sa pag-synthesize ng multi-source na data, paghahanda ng mga indicator ng resilience, pre-screening vulnerable areas at tapat na komunikasyon sa panganib. Ngunit hindi tinutukoy ng AI ang limitasyon sa panganib, ligtas na distansya at may-bisang desisyon; Ang mga ito ay nabibilang sa opisyal na pag-aaral ng mga karampatang eksperto (geology, hydrology, earthquake engineering) at batas. Ang paggawa ng AI na humingi ng mga numero ay isang direktang panganib sa kaligtasan sa buhay sa lugar na ito. Isulat nang malinaw ang kawalan ng katiyakan, panatilihing napapanahon ang data, at ipaubaya ang desisyon sa opisyal na proseso.
Gawain ng aplikasyon
Pumili ng panganib sa sakuna/klima (hal. baha o matinding init). (1) Bumuo ng isang dashboard ng katatagan mula sa hypothetical na data ng neighborhood gamit ang unang template at i-flag ang isang neighborhood na nangangailangan ng "karagdagang pagsusuri ng eksperto." (2) Ipasuri ang pangalawang template para sa mga hindi pagkakapare-pareho ng data. (3) Gumawa ng isang matapat na draft ng impormasyon ng mamamayan na may ikatlong template at suriin ang balangkas na "ayon sa opisyal na pagsusuri". (4) Ilista kung aling mga desisyon ang nabibilang sa karampatang eksperto at kung saan dapat tumayo ang AI.
checklist
- [ ] Wala akong AI na matukoy ang limitasyon sa panganib at ligtas na distansya; Iniwan ko ito sa eksperto.
- [ ] Gumamit lang ako ng AI para sa data synthesis, pre-screening at komunikasyon.
- [ ] Natanggap ko ang data ng panganib mula sa mga awtorisadong institusyon at sinuri ko ang pagiging napapanahon nito.
- [ ] Iniulat ko nang malinaw ang kawalan ng katiyakan.
- [ ] Isinama ko ang mga mahihinang grupo (matanda, may kapansanan, mga bata) sa pagsusuri sa kahinaan.
- [ ] Pinananatili kong tapat at mahinahon ang komunikasyon ng mamamayan, na may balangkas na "batay sa opisyal na pagsusuri."
- [ ] Iniwan ko ang mga may-bisang desisyon sa karampatang pag-aaral ng dalubhasa at sa opisyal na proseso.