過去通常是我們未來的窗口，尤其是在自然災害方面。東北大學國際災害科學研究所（IRIDeS）和日本-秘魯地震工程研究與減災中心（CISMID）的研究人員利用2018年襲擊日本西南部洪水的數據校準了機器學習模型。成功地確定了臺風哈吉比斯造成的洪水

臺風哈吉比斯于2019年10月摧毀了日本，炸死91人，摧毀了85，000座房屋，并造成約150億美元的損失。整個受災地區(qū)洪水泛濫。

在自然災害的救援和恢復工作中，實時洪水映射至關重要。它使政府能夠將救濟直接用于最需要的地區(qū)。為了幫助完成這項工作，通常會使用使用人工智能（AI）的衛(wèi)星圖像。

至關重要的是訓練數據。訓練數據允許算法學習數據并在稱為機器學習的過程中出現(xiàn)新輸入時產生輸出。但是，在許多情況下，訓練數據的數量是有限的。災難發(fā)生后立即收集培訓數據既昂貴又費時，而且很多時候是不可能的。

在IRIDeS和CISMID上，研究的作者評估了一個模型的性能，該模型可從日本西南部2018年的洪水中吸取教訓，并確定由2019年臺風哈吉比斯引發(fā)的洪水。生成的洪水圖與地方政府和公共機構發(fā)布的實際洪水圖的結果一致。

作者指出，“我們的模型成功地識別了被淹沒的區(qū)域，并驗證了AI可以從過去的災難中學習，最終使我們能夠更好地預測未來事件中的洪水?！彼麄冄a充說：“我們在該項目中的下一步將是將未知事件的數據整合到第二階段的培訓中，以進行更準確的估算?！?/p>