去年1月,袭击美国洛杉矶的大型山火,火焰一直蔓延到城市中心。西班牙巴伦西亚一天之内降下相当于一年的降水量,巴西南部因创纪录的大洪水使数十万人失去家园。韩国也不例外。暴雨引发的山体滑坡、城区内涝,乃至冬季异常暴雪,过去被称为“异常”的气候现象,已成为每年反复出现的“日常”。
问题不只在于频率。暴雨引发滑坡,干旱之后干燥的土壤助长山火,台风过后松动的地基又引发二次崩塌。面对这类复合型灾害,闭路电视监控、人力巡查、简单阈值报警等既有体系正暴露出结构性局限。既然灾害形态已经改变,应对方式也必须从根本上改变。而这一转变的核心,就是生成式AI。
生成式AI开启灾害应对的新范式
传统AI停留在从过去数据中寻找模式、判断是否存在风险的判别式(discriminative)方法上。对已学习过的灾害类型有效,但难以预测未曾经历的复合情景,这是其弱点。相比之下,生成式AI在理解数据结构与分布之后,能够“生成”尚未发生的情形。
生成式AI同时学习气象观测、卫星影像、传感器数据、地形信息、过去灾害记录、人口密度等数十种变量,再模拟出数千种现实中尚未发生的情景。对于“这样的降水量再持续6小时,A流域将如何漫溢”“B林区风速超过每小时40公里时,火焰路径会如何变化”这类问题,它不是简单重复过去案例,而是结合物理定律与数据模式给出新的预测。它同时向决策者呈现“发生概率85%的情景A”和“概率虽低但损失极为严重的情景B”,提供了与过去仅依赖单一预报完全不同层次的判断依据。
感知、预警、处置的黄金时间被缩短
灾害应对中最关键的变量是时间。山体滑坡在出现前兆现象后数十分钟内即会发生,山火若不能在最初10分钟内压制,控制将极为困难。既有系统无法在黄金时间内发出预警,原因在于“感知→上报→传达”这一以人为中心的链条在物理上过于缓慢。
基于生成式AI的多模态感知系统重构了这一链条。当无人机与闭路电视影像、红外热成像、卫星图像、物联网传感器数据流实时输入大规模视觉—语言模型后,系统会同时分析烟雾的颜色、密度、扩散方向,水位变化速度,以及地面位移模式。它会自动生成这样的情况报告:“考虑当前风向与湿度,该烟雾在30分钟内向东北方向扩散的可能性较高,半径2公里内居住人口约1200人。”该报告会立即显示在灾难安全对策本部,并向相关地区居民自动发送疏散警报。
借助AI进行灾害预测与情景模拟
与初期探测同样重要的是事前预测。灾害发生后再应对,与提前72小时锁定危险区域并疏散居民,两者的人员伤亡差距可达数十倍。
既有数值预报模型基于物理方程,精度高但运算耗时巨大且分辨率有限。生成式AI可接收数值预报结果,快速生成区域级超高分辨率预测,即所谓降尺度。谷歌DeepMind的GenCast模型演示了比既有集合预报更快更准确的中期气象预测,即为代表性案例。
将其应用于灾害领域,AI可生成数千种情景。每个情景都包含漫溢区域、淹没深度、受影响人口、交通中断路段、所需救援装备。进而还能自动撰写决策报告,例如“A地区B河流72小时后漫溢概率85%,预计淹没深度1.2米,优先疏散对象3400人,建议避难场所为C小学及D体育馆”。管理者解读数据、编写报告的时间实际上消失了。
生成式AI的真正价值:应对复合型灾害
现代灾害最危险的特性是复合性。台风过后松动的坡面若遭暴雨,便会发生山体滑坡,泥石流堵塞河道形成临时堰塞体,一旦溃决又会使急流倾泻至下游。若用各自独立的模型预测这一连锁过程,不确定性会累积,精度急剧下降。
生成式AI的基础模型(Foundation Model)可在同一空间中学习气象、地质、水文、结构工程等异构数据,把台风→滑坡→堰塞体形成→急流的连锁生成为单一预测流程。这一方法有望从结构上解决当前气象厅、林业厅、韩国环境部各自独立发布预警而造成现场混乱的问题。
灾害发生后,生成式AI的作用仍在继续。它分析无人机与卫星影像,实时掌握建筑倒塌点、被困居民可能位置、可通行道路,并生成救援人员与装备的最优投入路径。诸如“3号路被土石阻断,绕行7号路需12分钟,二层建筑屋顶估计有4人被困”这样的自然语言指令,可直接传送到救援队终端。在避难所运营方面,系统也综合人口流动、容纳能力、物资库存,持续更新“A避难所预计2小时后超出容量,需向B避难所分流”之类的运营报告。
需解决数据、AI可信度、治理与投资问题
无论技术潜力多大,现实壁垒依然存在。
第一是数据整合。韩国的气象、水文、地质、林业、城市基础设施数据分散在各机构,格式也各不相同。生成式AI要充分发挥性能,必须先实现标准化的实时对接,而这与其说是技术问题,更是制度与协作问题。
第二是可信度与可解释性。当AI输出“漫溢概率85%”时,决策者必须能够理解哪些变量对结果起了作用。下令疏散数万人的决定,不能只交给黑箱。
第三是持续投资与治理。气候模式在变,城市结构也在变,因此模型必须不断学习与更新。误报时的责任归属、使用个人位置信息带来的隐私保护等法律与制度建设,也需与技术发展同步推进。
应以生成式AI灾害管理模式应对气候危机
生成式AI能在数秒内感知灾害,生成数千种情景并提出最优应对策略,在救援现场提供实时行动指引。这是过去任何系统都不具备的能力。然而,AI输出“建议疏散”与真正疏散数万人之间,横亘着人的决断与现场的执行。把AI预警转化为行动的手册、反复演练、机构间协作,与技术同样重要。
灾害正变得更频繁、更强烈、更复合。我们必须摆脱仅依赖过去经验的应对方式,转向与“生成”未来的AI共同准备的时代。把生成式AI建设为灾害管理的核心基础设施,不是一种选择,而是气候危机时代我们社会的生存战略。






