这是救援的人工智能（和反应和恢复）

本文适用于Greenbiz的每周时事通讯，每周骑行，周三跑步。订阅这里。

随着气候变化的全球损失加剧的自然灾害 - 从贪婪的野火到凶猛的飓风 - 社区正在争先恐后地准备（并对他们的损失进行对冲）。

虽然机器学习和预测分析等信息技术可能无法彻底防止这些灾难，但它们可以帮助社区更好地准备好处理后果。这是一个背后的精神独特的协作在芝加哥科技服务公司之间的努力与多伦多约克大学舒景商学院，旨在为救灾和应急响应服务创造更具成本效益和高效的市场。

这个想法是为了帮助州和省政府基于来自特定野火或飓风季节的数据，共同建立更集中的救援物资和其他人道主义项目。

而不是根据预测在本地购买物资 - 消防地区的许多小城镇可能会有弊光 - 一个社区将在通过这种合作伙伴关系开发的市场中购买“选择”。如果镇最终不需要这些物品，它可能会将它们“交易”到另一个需要在同一状态或其他位置的地区。实际上，跨国或地区甚至国家的城镇可以安排保护，而不必彻底制作投资。

“为什么我们在3月份没有包装那些板条箱，因为他们会去某个地方？”问过于首席执行官David Holme，参考当前系统。

最明显的原因是它昂贵：救济供应商不会投资商品，除非他们有肯定的订单。他说，Exievent-Schulich项目的意图是从100％反应的系统中移动到一个至少50％的预测性，这可以从一个至少50％的预测，这可以更快地提供帮助。

To do this, Exigent is working with AI students at Schulich to use information about a community’s demographics, geology and topography, and existing infrastructure to predict what areas affect could need: how many first-aid kits to treat local citizens or how many cement bags to rebuild structures or how many temporary housing units for residents and relief workers. All sorts of data is being consulted, from census information to historical weather data to forward-looking models for wind direction, temperature and humidity, noted Murat Kristal, program director for the Schulich master’s program that is involved in the project.

政府和决策者现在正在以反应方式行事。

“不幸的是，在当今的世界里，自然灾害变得越来越普遍，他们对社会产生了真正的影响，”克里斯塔尔说。“政府和决策者现在正在以反应方式行事。”

联合关节 - 舒勒希工作的初步重点是收集与加拿大和美国野火相关的数据。加州火灾的普遍率捕获了许多头条新闻：2017年11月营地，山丘和伍尔赛火灾的保险损失占120亿美元。虽然它的关注远不那么重要，但德克萨斯也很容易发生野火- 80％的人在一个社区的两英里范围内。到北方，加拿大省等艾伯塔和安大略省也有风险：每年平均在加拿大有6000场火灾。

实际估计，通过将耗材部署到受影响的地区，它正在开发的平台 - 试点版本在6月份到期 - 可能会将恢复成本降低20％，并在风险地区开除溢价。“市政当局和保险公司可以合作效益，”霍尔姆说。“我研究了这个想法的越多，似乎越有用。”