人工智能技術應用在火災統計領域的思考

信文｜姚永鋒 安震鵬

目前，各級消防部門和領導干部也已經深刻認識加快發展新一代人工智能的重大意義，并根據中央政府的戰略部署，推動人工智能與消防領域應用的深度融合，應用人工智能技術是火災統計領域發展的新趨勢

當前，消防火災統計的信息化建設已初具規模，基礎的電子化、數據化應用系統已不能滿足日益變換的業務需求，人工智能等新一代信息技術更加適合服務于消防火災統計業務。目前，大數據+深度學習正成為現階段人工智能各領域研究的最重要范式，也是當前人工智能產業化的主要驅動力量。在這一主流技術路線引領下，全球人工智能技術正在表現出三大特點：算法方面，深度學習模型和方法持續創新；算力方面，模型復雜度和算力需求門檻越來越高；數據方面，開放性平臺和比賽進一步促進了技術演進。

應用人工智能技術是火災統計領域發展新趨勢

一是業務需求是應用方向。隨著國家綜合性消防救援隊伍的建立，根據新時代消防工作的需求，立足于滿足火災防控“精準化”、消防救援“智能化”、執法工作“規范化”、隊伍管理“精細化”的實際需求，科學運用人工智能技術，將消防統計數據“用對、用活、用好”，切實有利于“事前提早感知，事發快速報警，事中態勢研判，事后災害評估”的全過程精細化和數字化，實現精細化動態管理和科學化高效處置，從而提高我國消防安全整體水平。

二是科技水平是應用基礎。當今世界，人工智能技術作為人類社會最重要的技術變革，將給我們的生產方式、生活模式和管理制度帶來深刻改變，也會深刻地影響消防領域的各項業務工作。人工智能涵蓋機器人、自然語言、圖像識別、數據管理等領域，是科技的高度智能化，可以對人的意識、思維過程進行模擬，通過各種技術手段生產出一種與人類智能有相似能力的技術。人工智能技術在無人機控制、語音語義識別、車輛特征識別、金融數據管理等專業領域已經開展了初步應用。隨著人工智能理論和技術日益成熟，應用領域不斷擴大，未來的人工智能將會是社會各類行業以及消防行業人類智慧的“容器”。

三是政策環境是應用趨勢。2018年，中共中央政治局就人工智能發展現狀和趨勢舉行第九次集體學習。習近平總書記強調，人工智能是新一輪科技革命和產業變革的重要驅動力量，加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題。為此，我國不斷推進人工智能的行業發展，中央政府為人工智能建立了專門的財政引導，設立市場資金機制。不斷優化人工智能產業，推廣新技術的運用，進一步加快了人工智能的發展。各級消防部門和領導干部也已經深刻認識到加快發展新一代人工智能的重大意義，并根據中央政府的戰略部署，推動人工智能與消防領域應用的深度融合。

火災數據統計領域與人工智能結合的方向

人工智能是科技的高度智能化，可以對人的意識、思維過程進行模擬，通過各種技術手段生產出一種與人類智能有相似能力的技術。目前，人工智能技術在消防的多個領域已經有了初步應用，如基于人工智能技術的圖像型火災探測器、基于圖像識別技術的消防車道占用技術等，這些人工智能在相應場景中均能發揮其作用。但是，適用于消防數據統計領域人員的人工智能技術還需要進一步拓展和發掘。目前，人工智能技術在火災數據統計領域中，主要考慮以下幾方面的融合：

一是簡化人的重復性勞動。當前階段，消防接處警系統、消防監督系統的火災調查模塊、消防火災數據統計系統有大量復用的字段，而且各個系統的填報時效、匯聚時效、歸口分析等要求有所差異，簡單的程序判斷無法滿足這種復雜的需求，只能通過管理和人力復用等手段來盡量規避查錯。人工智能技術是通過計算機代替人來進行信息處理的工作，這是人工智能是否能解決信息處理工作中問題的一個判別原則。原則上，不考慮人為的失誤和查錯，當前的人力是能夠完成檢查各系統之間數據一致性和準確性的問題，因此上述在火災統計中遇到的問題非常有可能利用人工智能技術解決。

二是提升數據應用效能。在火災統計中，數據真實性核查是一個棘手的問題。以基本的客觀數據為條件，利用數據相關性分析等技術，可以對統計數據進行初步的判別。人工智能技術中的監督學習技術，一般是由一個輸入對象（通常為矢量）和一個期望的輸出值（也稱為監督信號）組成。監督學習算法通過分析訓練數據，并產生一個推斷的功能，其可以用于映射出新的實例。而火災統計數據恰好有輸入對象如火災原因、消防設施狀態、隊伍出動情況等，并且有輸出值如財產損失情況、人員傷亡情況等，符合監督學習的應用條件，可以進一步應用人工智能技術探究其關聯關系，得出相關規律。

當前火災統計領域應用人工智能技術的不足

一是行業從業者對人工智能技術認知不足，業務場景不明晰。人工智能有其針對性和局限性，想要人工智能技術有助于消防領域應用效能提升，要將相對成熟的人工智能技術與火災統計業務應用相結合，在圖像識別、數據管理、監督學習等方向選取關鍵應用功能，進行重點攻關，逐步解決相應問題，構建智能化業務場景。

二是缺乏高質量的數據樣本，大多數原始數據缺少進一步加工。現有的消防各類系統數據采集方式落后，數據的準確性、完整性、一致性水平不高，一些適用于人工智能技術的基礎數據樣本量不大，難以支撐大規模訓練。例如對于原始的錄音信息需要進一步加工，翻譯成相應的文字信息，同時規范錄音信息采樣頻率等條件，才能對后續的大規模訓練、驗證提供有效素材。

三是缺少人工智能研發平臺及相應機制。在高質量數據樣本的基礎上建立人工智能研發平臺及相應機制，為研發單位和人員提供統一、安全、標準的業務數據，有利于吸引和評選更多優質的研發資源，加速研發周期，提升技術效能。當前，大多數消防隊伍用戶缺乏對市場上各類人工智能技術效能精細化的評判能力，人工智能研發平臺在同一評價體系下的評價結果也能夠為消防隊伍用戶在選型時提供幫助和參考。