不知道大家還記不記得，2021上半年全台嚴重缺水，6月初彩雲颱風及梅雨鋒面接連為台灣帶來豐沛雨量紓緩了水情，但部份地區如6月4日午後台灣大學雨量站觀測到的時雨量竟高達209 mm/h，這場突如其來的大雨也讓民眾措手不及。這種極端氣候影響的不僅是台灣，還有中國大陸鄭州市的極端降雨、日本靜岡縣豪雨、中歐大水及加拿大熱浪等。為因應日趨嚴峻的極端氣候，許多應用大數據 (Big Data) 與人工智能 (Artificial Intelligence, AI) 的防災技術也如雨後春筍般蓬勃發展，希望能有效降低這些突發型的極端氣候衝擊。

隨著人工智慧的發展，機器學習 (Machine Learning, ML) ，特別是近年來發展最快的深度學習 (Deep Learning, DL)技術已大量應用於各領域。透過機械學習的架構，我們可將大量的資料透過深度學習等模式建立預測模型，完成對目標的預測、決策或分類等。簡而言之，提供AI越多的資料，它就變得越聰明也能給出越準確的答案。

由於AI非常仰賴數據的蒐集，若能同時聚集很多人對於各種資訊的貢獻，就能在短時間內蒐集到各式各樣且多種角度的數據，進而匯聚成某種程度上的大數據。因此，Morishima 教授提出CyborgCrowd作為人機合作的專案，開發集成群眾外包 (Integrating Crowdsourcing) 和人工智能的技術，並藉由中介軟體 (Middleware) 實現群眾外包處理、機器學習及其任意組合的整合，並考慮群眾外包與AI學習的泛用性。

CyborgCrowd專案目前為日本政府資助的項目，相關技術已在Crowd4U平台上實現，並用於解決各種問題 (圖1)。舉例來說，透過結合眾多遊客對同一景點的各種照片，經過平台上AI將這些照片整合成一個完整且即時的三維景點模型，就是一個簡單的應用 (圖2)。目前此專案也正在著手包含自然災害領域等各種應用的可行性研究，目標在建立靈活和可擴展的集成群眾外包AI，並達到解決在現實社會中的任何類型的問題。

另一方面，現今社會是人手一機且與網際網路緊密結合的時代，要快速取得大量數據已經不是一件難事；例如許多人在遇到災害的當下，第一反應不是逃跑，而是先上網發文，這種社群網路 (Social Network Services, SNS) 訊息的傳播甚至比政府通報或是傳統媒體還快。
例如日本於2016年統計時發現，1,741個SNS社群中，有934個社群 (53.6%) 在災難時將其帳戶用於發布災難訊息，並且自2014年開始此項調查以來一直持續增加，而這些社群涵蓋的人數達到了日本總人口的81.5%。此外，NTT DOCOMO 行動社會研究所於2021年1月的調查顯示，由SNS獲取災害訊息的比例於5年內由19.5%上升到38.8% (圖3)，顯示了人們在SNS上接收信息的比例逐年增加，可說大部分日本人都被綁成一個網路大家庭。

因此，日本防災AI共同研究會議於2018年發布了 『使用人工智慧分析災害中SNS信息的培訓指南』，在發生災難時，應用人工智慧對數千萬個SNS訊息進行分類，並迅速提供有用的災害訊息 (圖4)。

其中一次實際應用的案例即為2020年 (令和2年) 的暴雨事件，使得Spectee這家公司的系統被廣為人知，該公司為一家利用AI進行 SNS分析的新創公司，透過蒐集與即時分析社群平台上與災害相關的內容，結合天氣、交通及地理圖資等數據，能快速準確地將災害與風險『視覺化』，即時掌握災害的發生和影響情形。

2020年7月4日淩晨4點50分，日本氣象廳向熊本縣南部的16個市和鹿兒島縣北部的4個市發布了「暴雨特別警報」，而這場暴雨在九州南部造成嚴重破壞。日本國土地理院使用Spectee公司的技術，透過熊本縣人吉市的Twitter使用者在降雨期間陸續發布的暴雨及各種災害畫面，即時統計出遭洪水淹沒的區域，並據以製作了淹水範圍推定圖 (圖5)。該技術使用 AI 分析了 Twitter、Instagram、Facebook 和 YouTube 等社群網路的發文資料，即時估計淹水受災的區域，並顯示在地圖上。而此次事件後，這套系統被日本許多政府單位、企業以及新聞媒體採用，作為防災和危機管理參考資訊。

AI不只限應用於防災，日本氣象協會與Spectee及Transtron這二家公司合作，利用人工智慧等先進技術分析卡車行駛時周邊資訊數據，以提供即時的危機管理相關資訊 (圖6)。這個系統與富山市的池田運輸公司合作，在2021年2月至6月進行了實驗，利用AI分析了在行駛過程中獲得的路面影像數據、數位轉速計數據和日本氣象協會的氣象數據，以確定路面的乾燥、潮濕、結冰和積雪等狀況，並即時提供相關數據給交通單位，確保用路人的安全。

如能進一步發想更多的應用情境，AI可以帶給我們更便利的生活。例如日本氣象協會與Spectee公司合作，利用路上攝影機判斷澀谷最有名的十字路口路人的外套的穿戴率，結合即時天氣等資訊，透過手機訊息發送給當地民眾，作為民眾外出時的穿著建議 (圖7)。

您已感受到AI對我們的生活帶來那些改變了嗎？讓我們一起發想與討論AI未來更多可能的應用吧！

1. Inoguchi, M., Tamura, K., Uo, K., & Kobayashi, M. (2020). Validation of CyborgCrowd Implementation Possibility for Situation Awareness in Urgent Disaster Response-Case Study of International Disaster Response in 2019. In 2020 IEEE International Conference on Big Data (Big Data) (pp. 3062-3071). IEEE.
   2. Morishima, A., Tajima, K., Kitahara, I., Inoguchi, M., Matsubara, M., & Shishido, H. (2018). JST CREST CyborgCrowd Project. In Proceedings of 1st Project Networking Workshop collocated with 6th AAAI Conference on Human Computation & Crowdsourcing (p. 2).
   3. Zhong, Y., Kobayashi, M., Matsubara, M., & Morishima, A. (2020). Effects of crowd-in-the-loop alt text addition on the performance of visually impaired workers in online microtasks. The Transactions of Human Interface Society, 22(3), 251-262.
   4. 鵜﨑賢一, & 大橋直也. (2021). SNS 情報の解析による広域的な浸水深と氾濫流速の算定手法の構築. 河川技術論文集, 27, 551-556.
   5. 災害対応における SNS 活用ガイドブック
   6. 人工知能 (AI) を活用した災害時のSNS情報分析のための訓練ガイドライン