利用人工智能：如何开发和整合用于人道主义预期行动的自动化预测系统

核心观点

本研报探讨了如何利用人工智能（AI）开发并整合自动化预测系统，以支持人道主义预期行动（AA）。随着人道主义危机的加剧，传统的危机响应模式已无法满足需求，而基于预测的干预措施能够帮助组织更有效地分配资源、规划行动，并最终挽救生命。

人道主义领域的决策制定

人道主义领域的决策制定主要涉及资金分配、干预时机和方式等关键问题。由于资金短缺，决策者需要在有限的资源下，根据人道主义原则，将援助分配到最需要的地方。预期行动通过预先制定干预计划和融资方案，能够在危机发生前采取行动，从而减少危机的影响。

预期行动的挑战

尽管预期行动具有巨大潜力，但其应用仍面临诸多挑战，包括数据可用性、不同领域的时间范围差异、对算法的信任、可解释性与性能之间的权衡、预测的影响以及内生性问题等。

预测灾害：要求和最佳实践

预测系统需要可靠、定期更新的数据集，并选择合适的预测目标变量，例如预测事件发生的可能性、事件的影响或 resulting 的需求。目前，冲突预测主要依赖于 ACLED 和 UCDP 数据集，而自然灾害预测则更多地依赖于气象数据。预测的影响数据，例如 displacement 和需要，是衡量预测系统有效性的关键指标。

将预测整合到决策中

将预测系统整合到决策中需要考虑伦理因素，例如预测的自我实现和自我挫败效应，以及数据偏差问题。此外，还需要了解决策者的需求，并根据其需求选择合适的预测目标变量、模型评估方法和结果解释方式。

现有实践案例

一些组织已经开始成功地将预测系统整合到决策中，例如 IFRC、OCHA、Start Network、UNDP、UNHCR 和 UNICEF 等。这些组织利用预测系统来支持资金分配、干预规划和行动，并取得了显著成效。

研究者和人道主义者的议程

未来需要进一步加强学术界、数据提供者和人道主义组织之间的合作，以解决数据收集、分析和预测方面的问题。此外，还需要开发更完善的预测模型，并加强对预测结果的解释和传播，以更好地支持预期行动。

关键数据和研究结论

• 2021 年，人道主义总资金为 200 亿美元，其中预期行动资金仅为 7800 万美元，资金缺口高达 170 亿美元。
• 冲突预测主要依赖于 ACLED 和 UCDP 数据集，而自然灾害预测则更多地依赖于气象数据。
• 预测的影响数据，例如 displacement 和需要，是衡量预测系统有效性的关键指标。
• 将预测系统整合到决策中需要考虑伦理因素，例如预测的自我实现和自我挫败效应，以及数据偏差问题。
• 一些组织已经开始成功地将预测系统整合到决策中，并取得了显著成效。