2024年6月3日，哈佛大学肯尼迪政府学院下属贝尔弗科学与国际事务中心发布了麦肯锡斯坦福办事处高级合伙人、麦肯锡人工智能QuantumBlack的全球联席负责人Ben Ellencweig等人撰写的文章《多模态人工智能如何重塑全球危机应对（How Multimodal AI Could Retool Global Crisis Response）》。文章表明，随着政府领导人应对日益严重和复杂的灾难，多模态人工智能成为有效、协调危机应对的有前途的工具。多模式人工智能可用于预警系统和场景模拟，如数据收集和处理、事件预测、情景模拟、结果解释和行动计划。多模态人工智能可以在危机来临之前保障生命和生计，如预测模型、公共警报系统、个性化学习、反馈和指导。多模式人工智能可以帮助应急管理专业人员做出决策、可视化数据并分析公众情绪。多模式人工智能还可以通过社区恢复工作和后记分析来支持灾难恢复工作。

首先，作者以一个设想的未来场景为例，阐释了多模态人工智能的四个阶段。当飓风形成时，其强度和登陆时间每小时在桌面级计算机上重新计算。飓风的影响性质，包括可能发生的不相关危机和次生效应，通过具有物业级粒度的城市规模数字孪生体在多种情景下进行建模。这些模拟的结果是明确的基于触发的行动计划，这些计划经过人类在环机制的验证，并发送给应急响应人员、社区领导、政府机构，甚至可能包括受影响地区的居民。社区领导可以访问工具，以了解预期情况、可利用的资源和可能产生最大影响的行动。房主收到的建议包括如何保护资产、避免诈骗和获取灾后支持。虚假信息传播则通过基于事实的自动化外展来对抗。首先是预防阶段。在此阶段，多模态AI可以通过早期预警系统和情景模拟发挥作用。首先，欧洲中期天气预报中心因其长期的准确性而闻名，由超级计算机提供动力，每天更新四次。数据收集的改进、更高分辨率的观测和精确的数据分析使预报模型随着时间的推移变得更加准确。新型的AI预测模型，例如Google DeepMind的GraphCast可以基于几十年的历史天气数据训练，在不到一分钟的时间内提供同样准确的预测，且全部在桌面计算机上完成。虽然可能有局限性，例如识别化学品泄漏和其他非常规灾难的能力下降，但AI驱动的预测正在证明是有价值的工具。其次，通过扫描准确的实时数据和响应集群，并使不同系统之间建立联系，生成式AI（gen AI）允许更准确的早期预警系统、有针对性的通信和自适应消息传递，为应急管理人员赢得宝贵时间。这些灾难预警适用于各种危机，从自然（飓风、地震）和流行病（大流行）灾难到安全（恐怖主义或国家支持的攻击）和人为威胁。

随后，作者阐释了其余的三个阶段。第二是准备阶段，多模态AI在危机发生前可以保障生命和生计。首先，其为危机做好准备的能力可以改变准备工作的关键方面。生成AI具有提高危机准备工作的潜力，包括更好的资源和人员分配以及公众提前预警。AI通常会执行超出人类能力的工作，例如在飓风疏散期间识别不可用的道路。这种可见性使应急管理人员能够提高动员和响应能力，做出更好的决策，并在各种危机情况下提高效率。此外，生成AI可以在灾难前支持公众，引导他们到最近的避难所、分发中心和疏散路线，利用今天可用的大量地理空间数据。第三阶段是响应。在响应阶段，多模态AI可以帮助应急管理专业人员做出决策、可视化数据和分析公众情绪。首先，生成AI可以使用数据，例如人口特征、基础设施统计和实时天气数据，帮助受灾者找到避难所和资源。其次，AI驱动的通信工具可以迅速传播关键信息，覆盖更广泛的受众（包括多种语言），并提供有关安全措施、疏散程序和资源可用性的指导。工具如聊天机器人和虚拟助手可以通过提供准确、实时的回答来减轻人类响应者的负担。第四个是恢复阶段。在恢复阶段，多模态AI还可以通过以下行动支持灾后恢复工作。首先，生成AI可以定位受影响严重的社区，向他们提供实时信息，并传达基本的急救和健康知识——帮助在恢复时期促进社区善意。其次，AI可以分析社区的需求和可用资源，以优化其分配。为了防止偏见和资源短缺，它可以考虑诸如人口密度、经济需求和关键健康与人类服务的交付等客观、预定因素。最后，生成AI可以用于分析响应和恢复工作的有效性，并调整应急管理协议。通过分析大量数据，包括响应时间、事件报告、社交媒体数据、资源分配和疏散计划，生成AI可以将额外的实时数据整合到其预测建模和分析中。这可以帮助应急管理领导者找出改进未来危机管理策略的方法。

最后，作者指出，通过将多模态AI工具整合到危机管理系统和协议中，公共当局还可以受益于及时性和准确性的改进、对选民的通信以及初始响应的有效性，但他们必须确保理解伦理影响和潜在风险。第一，AI算法是基于数据训练的，而数据可能存在偏见，复制其来源的偏见，或将偏见信息呈现为中立。因此，应急管理领导者应考虑如何设计系统，以防止产生偏见的结果、不准确的预测和虚假警报。第二，AI早期预警系统从各种信息源获取数据，包括公用事业使用和应急响应电话。社区参与可以确保数据收集解决隐私、个人身份信息披露或历史歧视问题。例如，必须特别注意监控过程，这可能会导致对历史上被边缘化人群受到额外监视或审查。第三，当AI预测某个地区可能发生危机时，随后的决策可能会移动市场或导致资源分配显著变化。因为这些决策可能会影响关键市场元素，这些模型需要澄清其分析中的确定性水平并验证预测。最后，AI算法分析来自广泛数据的数据，但这个范围可能过于宽泛，无法为应急响应者训练创建模拟和潜在的灾难场景。应急管理人员可能希望确保所使用的数据足够具体，以准确代表其所在地点的潜在灾难场景，包括地理、历史趋势、气候变化和人口动态等因素。但总的来看，多模态AI的负责任部署有潜力通过加快决策支持、实时指导和行政功能来重塑危机响应。这些干预措施可以帮助响应者协调努力，减轻多重危机的影响，并实现更快、更有弹性的社区恢复。

海外智库丨人工智能国际治理观察第242期

海外智库丨人工智能国际治理观察第241期

海外智库丨人工智能国际治理观察第240期