気候変動の影響で、自然災害は増加傾向にある。
人工知能は、被害評価にかかる時間の短縮からソーシャルメディアの監視まで、災害対応を改善し、支援物資をより迅速かつ効果的に届けることができる。
AIの限界には慎重であることが重要であり、その利点を最大限に生かすには、より多くの協力が鍵となる。
年間1億6,000万人以上が、洪水、ハリケーン、火災、その他の自然災害の脅威にさらされている。状況は今後さらに悪化する可能性が高い。
すでに自然災害は、1970年当時の4倍の頻度で発生している。推計によれば、こうした事象は気候変動の影響により、頻度と猛威を増す可能性がある。
人工知能は、救援資源をより効率的かつ効果的に配分することで、被害を軽減する可能性を秘めている。支援の提供を加速させ、最前線の救援要員の判断精度を高めることもできる。
災害への回復力を高める取り組みは、明日には今日とは大きく異なる姿になっているかもしれない。例えば、接近中のサイクロンやハリケーンが特定されると、地理空間データ、気象データ、過去の災害データを用いて、何人が住居から避難を余儀なくされ、どこへ移動する可能性が高いかを予測できる。こうした知見は、緊急対応要員が必要な支援物資（水、食料、医療）の量を把握し、どこへ届けるべきかを特定する助けとなり得る。AIアルゴリズムは、衛星画像と気象予報に基づいて洪水、建物、道路の被害を瞬時に評価でき、救助隊がより効果的に緊急支援を届け、避難経路から孤立し依然として危険にさらされている人々を特定することを可能にする。
マッキンゼーの「Noble Intelligence」は、AIの可能性を人道的な目的の支援に活用しようとする取り組みの一例にすぎない。例えば、同チームは、衛星、地理空間、気象などのデータを組み合わせて、学校などの建物の被害評価にかかる時間を数週間から数分に短縮するアルゴリズムを開発している。この情報は、仮設の学校テントを設置する最適な場所を特定したり、再建作業の優先順位を決めたりするために活用できる。
別の例として、他の組織も災害発生後にソーシャルメディアの投稿を解析するためにAI技術を活用している。この種の分析は、毛布がなく屋外の路上で待機している人々がいる避難所の画像を検出することで、インフラの被害や被災者への支援状況について、現場の重要な情報を提供できる。
マスターカード、マイクロソフト、グーグルなどの多くの公共部門の組織や民間部門のデータ企業が災害救援の改善に貢献しているものの、こうした取り組みの効果は依然としていくつかの課題によって制約を受けている。
第一に、対象範囲が限定的であることだ。民間部門の取り組みの多くは、一つまたは少数の政府機関やNGOとの連携によるもので、特定のユースケースに焦点を当てている。そのため、より大きな災害救援コミュニティとは相対的に切り離された状態で進められることが多く、確立された災害救援のプロトコルへの統合もなされていない。その結果、取り組みが分散し、AIによって得られた知見やアルゴリズムツールが、それらを維持したり意思決定プロセスに効果的に組み込んだりできない組織に提供される事態が生じかねない。
第二に、衛星、地理空間、通信、ソーシャルメディア、金融など、災害救援に役立ち得るデータは多く存在するものの、必要なときにいつもアクセスできるとは限らない。さらに、データセットは、他の大規模データセットとの組み合わせだけでなく、現場で経験を積んだ実務者のデータとも組み合わせて、追加的な知見を引き出せるような形で統合されることはほとんどない。この現場からの視点は、ビッグデータから得られる知見以上に価値がある場合もあるが、体系的に収集・分析されることは多くない。
最後に、人命が危機に瀕している災害の状況においては、AIの限界に慎重であることが重要である。データ分析は、支持者が主張するような成果を常に出せるとは限らない。そのため、アルゴリズムの手法や前提を厳密に検証する確立されたプロセスがなければ、そうした主張を評価することは困難である。例えば、住宅の被害評価を目的に設計されたAIモデルが、異なる建材、施工方法、規制に基づく商業施設の建物にも使用されてきた。AIの倫理がますます精査される世界において、開発者や利用者が遵守することに合意した基準は存在しない。
自然災害の場面でAIの利点を最大限に引き出すにはどうすればよいか。三つの機会がある。
第一に、特定の少数のパートナーによる特定のユースケースに焦点を当てた現在の取り組み同士の連携を強化し、AI主導の災害支援のネットワークとして、より影響力を重視したものへと発展させること。現在アルゴリズムの開発に向けられている注目は、これらのツールが災害救援の最前線で広く利用可能となり、実際に使われるようにするための、少なくとも同等のエネルギーとリソースによって釣り合いを取る必要がある。多くの場合、それは能力構築の拡充を意味する。また、データサイエンスのコミュニティが類似のユースケースに取り組むことで、取り組みの重複も見られ、これは効率化できる可能性がある。一つの選択肢として、業界と国際機関が協調して、重点的な開発チームを調整する領域別のパートナーシップや連合を設立することが考えられるが、これは一つのモデルにすぎない。
第二に、短期的には、先端的なAIへの投資の大半に注力するのではなく、現場の異なる機関間で、より基本的なデータ収集・調整ツールを開発すること。これは、将来の人命を救うアルゴリズムの「燃料」となる情報を提供できる。したがって、より高度なアルゴリズムの開発と並行して、こうした基礎的なツールにも同等の開発努力を振り向けることが有益である。
最後に、AIの倫理原則について、領域別の合意をより多く形成することが急務である。 多くの取り組みは、国連や欧州連合を含む国際機関によって開始されており、AIの有益な利用を一般的に導くための原則を策定している。しかし、対象範囲が広いため、これには時間がかかる可能性が高い。その間、災害対応など特定の領域において、利害関係者をより絞り込んで調整することが有益であろう。これには、AIソリューションが広く公開される前に、規定の基準を満たしていることを確認するためのアルゴリズム審査プロセスの設定が含まれる可能性がある。
災害への回復力の分野においてAIが貢献できる機会は大きい。救援活動の指針となり、より安全な避難を確保し、年間で数億人には及ばないまでも、数千万人に支援物資を届けることもできる。乗り越えるべき課題はあるものの、適切な水準の調整と連携があれば、この明るい未来はより現実味を帯びてくるだろう。
