防微杜渐，“急”智非凡——人工智能赋能的智慧应急( 三 )

由于计算的方式、计算规则生成不一样，现在整个智能获取或者智能产生都不一样。人工智能围棋程序AlphaGo有一个升级版本叫AlphaGoZero ，它只训练了3天就以100∶0的成绩战胜了AlphaGo 。它的下棋能力是通过强化学习、不断地找到最优策略学习出来的。仅仅是这样一个人工智能围棋程序，对算力的要求已经非常高了。自2012年以来，人工智能训练任务中使用的算力呈指数级增长，其目前速度为每3.5个月翻1倍，而摩尔定律是每18个月翻1倍。实际上，摩尔定律远远赶不上现在算力增长的需求。
需要处理的数据量也是呈指数级增加的。其中， 80%的数据只是数字化的，并不是数据化的。过去，这些数据只是被存储下来，机器并不在乎它具体是什么内容。但是，人工智能出来之后，它会解析这些数据。这也是算力增长这么快的原因之一。然而，算力是非常昂贵的。有一个深度学习的模型叫GPT-3 ，它有1750亿个参数，训练费用更是高达1200万美元，而这个训练费用还只是用于支付电费，还没有考虑设备的折旧费。由此可见，人工智能的算力和由此带来的感知智能在现阶段还是奢侈品，不是一般中小企业可以负担得起的，只有大型企业或者政府才可以负担得起。那么，我们既要追求感知的智能，而感知智能又非常贵，怎样才能解决这个问题呢？其实，所有新技术出来的时候都很贵，汽车刚出来的时候也没有几家能够买得起。事实上，每一次产业革命都有一个思路，那就是把资源集约化管理、集约化分配。每一次产业革命都有生产要素的大规模使用，这个大规模使用促使另外一个要素大规模成长，最后出现赋能百业的生态。第一次产业革命的驱动是煤，第二次产业革命的驱动是电，而第四次产业革命的驱动是数据。大量数据的获取、整理、标注，促进了算法、人工智能模型的优化。把这些算法聚集起来就变成了一个平台，这个平台可以集中提供算力，企业可以对其进行租用。这种人工智能计算和赋能平台能将应急管理中的人工智能算法的生产和部署的成本和门槛降低，让更多智慧应急的政府、科研机构和企业能够开发得起，使用得起人工智能算法。
人工智能在应急管理中的应用
应急管理的未来趋势是协同化、智能化发展。应急管理的数字化、智能化以需求为导向，围绕自然灾害、生产安全、疫情防控、城市安全等领域应急场景治理对象，贯通预防与应急准备、监测与预警、应急处置与救援、恢复与重建应急管理全环节，融合智能感知、数字应急大脑等能力，并与应急管理业务联动，驱动应急管理业务、流程、决策等方面创新，赋能应急管理不断向数字化、协同化和智能化方向发展，助力解决传统应急管理中的诸多问题，进一步助推国家发展与社会进步。
作为核心基础设施和承载体，人工智能计算与赋能平台将为应急管理提供强大支撑，为智慧城市发展保驾护航。以综合应急为例，城市通常会有一个综合运行指挥中心，其中会有一个智能视觉中枢，它可以解析所有与视觉相关的信息，然后发出预警，通知第二级城市综合应急指挥中心。第二级城市综合应急指挥中心根据业务规则判断要具体采取什么措施，一般会发送到行业专门的监管单位或者是具体的单位去执行具体的措施。火灾检测、危化品运输、交通事故识别等应用场景都可以采用平台上的人工智能应急模型。平台借助预训练体系，利用已有数据，提高基础模型精度，助力用户快速打造自己的视觉智能应用。交通应急管理一般也分为三级。智能视觉中枢会把解析到的信息给到第二级交通调度平台，交通调度平台会产生具体的规则到具体的执行单位或者执行的组织，执行组织会进行相关的交通指挥调度。目前，交通领域出现的各种应急场景，如高速公路上倒车、低速行驶、车起火冒烟、车相撞、起大雾、交通拥堵等，已经不需要用人工监测了。