洪水可能導致生命、家園和生計的損失，而全球的風險似乎正在加劇。根據世界銀行發布的一份報告，約18.1 億人–超過世界人口的五分之一–現在面臨著”嚴重的洪水風險”。同時，許多其他研究報告也警告說，氣候變遷正在使洪水發生的可能性和嚴重程度增加。聯合國上個月的一份研究報告稱，本世紀沿海洪水的風險將增加五倍。

為了幫助減少洪水的影響，一些洪水監測公司目前正在使用人工智慧（AI）來幫助他們在洪水上漲之前發出警報。

7Analytics 公司總部位於挪威卑爾根市，是一個由電腦科學家和地質學家組成的團隊，他們為企業和地方當局提供即時洪水預測，讓他們知道哪些地區特別容易遭受洪水破壞。

7Analytics 的聯合創始人喬納斯-托蘭（Jonas Torland）說：”實際上，我們可以根據天氣預報提前七天預測洪水將發生的情況，而且可以預測到最細微的粒度。”

7Analytics 聯合創始人喬納斯-托蘭（Jonas Torland）說：”所有這些數據都考慮到了水流的流向以及會在哪些地方造成問題。我們可以告訴你，五天后你的入口處會有50 厘米的積水，我們也可以告訴你何時積水會消退。”

為此，該公司的人工智慧軟體不僅會自動研究天氣，還會自動研究土地和河流的地理狀況、一個地區的建築密度以及排水能力。以前，這種洪水預測計算由標準軟體完成，但人工智慧的運算能力和學習能力更強，這意味著這項工作可以更快完成，並大大減少人工幹預。

7Analytics 繪製的休士頓地圖，紅色部分為洪水風險特別高的地區

該公司於2020年成立，托蘭先生說，最初很難從投資者那裡籌集資金。不過他說，僅僅三年時間，這一切都發生了變化，因為人們越來越意識到洪水是一個日益嚴重的問題。

“現在情況完全不同了，”托蘭先生說。”現在有投資者來找我們，因為他們終於明白了適應[洪水]的價值”。

在這一領域開展工作的另一家公司是總部位於倫敦的Neara。該公司利用人工智慧為電力基礎設施產業創建數位洪水模擬。這些模擬可以預測洪水可能會如何發展，這樣電力網路就可以做好準備並採取行動，將損失降到最低。

該公司聲稱，其數據可以顯示洪水過後在哪些地方恢復供電是安全的，哪些電纜需要關閉，哪些地方需要轉移電力，以及應該派遣工程師前往的確切地點。

Neara公司的首席行銷長瑪麗-克利裡（Mary Cleary）說：「對於不可預測的洪水，我認為電力損失是造成破壞的最主要原因之一。」她補充說，該公司為公用事業網路創建的數位模型”超真實地反映了所有細微差別，從單一電纜的實際寬度，到附近建築物和植被的外觀。

Google在全球免費提供洪水樞紐服務

雖然7Analytics 和Neara 的服務都是收費的，但網路巨頭Google現在透過其Flood Hub 平台在80 多個國家免費提供河流洪水預警。

這項服務於2018 年首次在印度推出，隨後於2022 年擴展到英國和美國，並在今年再次推出。

Flood Hub 使用數千張衛星影像創建河流及其周邊土地的數位影像。然後，人工智慧軟體會模擬大雨過後河流可能發生洪水的方式和時間。據說它能提前兩到七天發出警告，讓當局和公眾組織撤離和採取其他預防措施。

在印度，Flood Hub 目前透過簡訊向4500 萬人發送洪水警報。同時，在智利，電視台也會分享警報。

「洪水是最具破壞性的自然災害之一，每年影響數億人，”Google工程與研究副總裁、危機應變負責人約西-馬蒂亞斯（Yossi Matias）說。”我們真的希望在洪水真正襲擊人們之前就讓他們知道。”

他補充說，他們已經了解到，人工智慧技術可以在歷史數據匱乏的地方提供預測。”這些全球模型的本質是，它們實際上可以從其他河流的經驗中學習，因為在這些河流中，你擁有更多的數據和更多的歷史經驗。這使我們能夠在歷史數據較少的非洲23個國家進行預測。”

不過，氣象和電腦專家警告說，在人工智慧工作所收集的基礎數據方面需要謹慎。

俄克拉荷馬大學氣象學院計算機科學家艾米-麥戈文博士說：”模型的好壞取決於收集到的數據。例如，想像一下那些極少發生洪水的地方。如果你沒有那裡的大量數據，那麼預測那裡的洪水就會更加困難。”

專門研究人工智慧在天氣預測中的可信度的麥戈文博士補充說：「如果你沒有數據來訓練人工智慧模型，它就不會做得很好。但我們很多人都在研究這個偏差問題。值得信賴的關鍵部分是確保你在開發人工智慧時是負責任的、合乎道德的，並注意數據中的偏差。”不過她表示，人工智慧總體上有助於更容易地預測洪水，因為這是”真正運算密集型”的工作，而人工智慧憑藉其更強的運算能力，可以比標準運算更快地完成這項工作。

回到Google後，馬蒂亞斯先生對人工智慧未來對洪水預測的影響程度持樂觀態度。他說：『理想情況下，我希望洪水來臨時，或者其他任何自然災害發生時，沒有人會感到驚訝，這樣人們就能做好準備，我們就不會在沒有必要的地方看到生命損失或財產損失。”