AI改变危机管理！在“求助”信息被淹没之前——整理灾害SNS的AI能否在日本发挥作用

大雨导致道路被淹。住宅区持续停电。家庭被困，正在寻求帮助。

灾害时的社交媒体上，汇集了只有身处现场的人才能传达的信息。然而，同时也充斥着重复的信息、过去的视频、传闻以及担忧的声音。随着帖子数量的增加，对于处理方而言，找到“现在需要确认的信息”的工作变得更加繁重。

问题不仅仅在于没有信息。信息泛滥，人们无法完全阅读，这也是灾害应对的课题。

为了减轻这一负担，美国德克萨斯A&M大学的研究团队正在开发利用人工智能的灾害信息分类技术。2026年11月9日的Phys.org介绍了一项利用大规模语言模型的研究，旨在使从社交媒体帖子中查找必要信息变得更容易。

期望的是减少工作人员对大量帖子的分类时间，使其能够将时间用于确认情况和考虑应对措施。然而，需要分别理解这项技术能够实现什么，以及尚未证明的内容。

从多个角度对灾害帖子进行分类

研究名称为“CrisisSense-LLM”。成果已发表在学术期刊《Advanced Engineering Informatics》上。

大学的介绍文章中提到了Bo Li、Ali Mostafavi、Kai Yin等人。研究使用了人类为多个灾害相关社交媒体帖子标注分类标签的基准数据。

研究对象包括与灾害、气象、人道援助相关的信息。此外，还涉及关于哪些事件的帖子、是否包含有助于情况掌握的信息、属于哪种类型的援助信息等多个方面。

在公开的预印本中，解释了一种使用从灾害相关帖子创建的指令数据对现有大规模语言模型进行额外学习的方法。这是一种根据灾害信息分类工作调整模型的思路。

例如，想象如下帖子。这是为了说明而设的虚构例子。

“河水泛滥，家门前的道路无法通行。我们已避难到楼上，但饮用水所剩无几。”

这句话中包含了不同的信息，如浸水、道路通行困难、避难状况、物资不足。仅用一个分类可能无法充分表达帖子中包含的必要事项。

如果能够从多个角度进行整理，负责调查道路损害的人员和负责调查援助需求的人员就能更容易找到相关的帖子。这就是该研究的实际价值所在。

“能够分类”和“能够确认事实”是不同的

在阅读这项研究时，有一点需要特别注意。

即使能够将某个帖子分类为“救援请求”，也不意味着已确认该地点确实需要救援。

理解文章内容并判断种类的工作与确认现场发生的事实是分开的。

仅从文章特征来看，似是而非的虚假救援请求也可能被分类为“救援请求”。相反，在紧迫情况下撰写的简短帖子或错字较多的帖子可能难以理解其内容。

从此次介绍文章中，无法得出CrisisSense-LLM能准确识别虚假信息的结论。也不适合将其描述为自动决定救援优先级的系统。

在考虑实用化时，可能需要能够从分类结果返回到原文、确认发布时间、追踪地名和信息来源。

例如，仅在屏幕上显示“物资不足”是不够的。需要知道何时、何地、谁需要什么，以及这种情况是否仍在持续。需要设计成能够将整理的信息转化为可确认的信息。

尚未在实际灾害中运用——不要混淆期待与实绩

研究团队明确表示，该系统正在开发中，尚未在正在进行的灾害中运用。

这一点影响着对成果的接受方式。

将预先准备好的帖子数据进行分类，与在信息中断、矛盾、新地名和表达不断出现的灾害现场使用是不同的。

要验证在现场是否有效，除了分类的准确性外，还需要验证负责人的确认时间如何变化、是否会遗漏重要帖子、是否易于修正误分类等。

尤其是，遗漏和误检的影响并不相同。

如果混入不相关的帖子，负责人的确认工作将增加。另一方面，如果真正需要援助的帖子从列表中漏掉，可能会失去掌握情况的机会。仅凭“整体上准确”这一评价，难以判断与救援相关的使用方式是否合适。

此次研究展示了支持灾害应对的信息整理的可能性。救援时间的缩短和损害的减轻尚未在实地得到确认，需要区分开来。

SNS的反应显示出灾害与AI的复杂关系

那么，SNS是如何接受的呢？

截至2026年11月10日所能确认的公开信息范围内，未能以汇总形式确认到一般用户对本次研究本身的反应。因此，无法介绍研究的赞成与反对的广泛传播。

另一方面，从与灾害时AI利用相关的实际SNS帖子中，可以看到另一面。即对AI帮助信息整理的可能性，同时也对AI可能增加混乱的警惕。

技术报道媒体“Rest of World”报道了2024年巴西洪水中，流传着伪装成救援场景的AI生成图像的案例。

该文章中介绍的X的帖子中，用户“@mphistoria”指出在WhatsApp上共享的图像是由AI生成的，并呼吁需要进行监管。这并非对本次研究的反应，而是对灾害时流通的AI生成图像的反应。

这一案例突显出，仅靠信息处理的速度无法解决的问题。

假如不准确的帖子也被迅速整理，虽然列表看起来更清晰，但判断的基础未必正确。整齐的界面和明快的总结可能会给人一种内容已被确认的印象。

正因为如此，面向灾害的AI需要一种机制，不仅能识别“写了什么”，还要能让人类识别“什么尚未确认”。

日本也有分析灾害SNS的积累

这并不是一个对日本来说遥远的海外研究。

信息通信研究机构（NICT）自2015年起试验公开了灾害SNS信息分析系统“DISAANA”，自2016年起试验公开了灾害状况总结系统“D-SUMM”。

D-SUMM被介绍为一种分析社交媒体上的灾害相关帖子，并整理和总结各地区受灾报告的机制。日本也早已开始应对灾害时大量帖子中掌握情况的课题。

然而，两个系统的面向公众的试验公开已于2023年12月28日结束。NICT解释说，这是由于包括利用其技术的民间服务的普及等背景原因。目前需要注意的是，不要介绍为仍可使用的试验服务。

在看此次美国的研究时，也应避免理解为“首次通过AI分析社交媒体”。

结合日本积累的努力，验证大规模语言模型如何更易处理各种表达，如何整理多种信息是有意义的。

在日本使用时，地名和“未写入的信息”将成为课题

以下不是此次成果中确认的内容，而是考虑在日本使用时的论点。

首先，在日语灾害帖子中，地点的表达很困难。

可能会写成“常去的桥”“车站后面”“旧道的尽头”而不是正式地址。也可能包含地区的俗称或设施的简称。即使能对词语进行分类，如果无法确定应对地点，也难以进行现场确认。

对日语的应对，也不一定仅仅通过翻译文章即可解决。需要确认能够处理多少包含省略主语、方言、简短片段、误转换等的帖子。

此外，未在社交媒体上发布的损害，仅通过社交媒体分析无法掌握。

通信中断的地区或无暇发布帖子的人的情况，可能难以在屏幕上显示。重要的是不要将“帖子少的地区”误读为“受灾少的地区”。

在使用分析结果时，可能需要与电话、现场报告、自治体持有的信息等进行对比。社交媒体作为补充信息源有用，但并非能无遗漏地反映整个地区。

未来目标是“可提问的AI”，但需要有依据

研究团队的下一个目标是开发灾害应对专家可以对话的AI代理。

从当前以分类为中心的机制，推进到负责人可以提问并寻找信息的机制。

例如，作为未来的使用场景，可以考虑诸如“该地区是否有求助的帖子”“关于道路损害的新报告有哪些”等问题。然而，这些是设想例，并非此次文章报道的已实现功能。

如果成为对话型，使用者可能会减少逐一打开分类项目的麻烦。另一方面，确认回答依据的设计将变得更加重要。

仅一句“该地区需要救援”无法知道原始信息是一件还是多件，是几小时前的。

未来的系统中，希望能同时显示回答和原始帖子、时间、确认状况，并在信息不足时传达这种不足。能够用自然语言回答与能作为灾害应对的判断材料使用之间，还有待填补的距离。

在信息整理之后，能否放置人的判断

CrisisSense-LLM研究展示的可能性在于支持处理灾害时人类无法完全阅读的信息量。

衡量其价值，不仅要看能处理的帖子数量，还要看是否能到达必要的信息、是否减少了遗漏、负责人是否能确认依据。

找到“求助”的帖子。确认其内容。并将其连接到适当的应对措施。

这三者是相连的，但不是同一项工作。

如何将AI的分类与后续的确认和行动联系起来。在考虑在日本应用时，现场的使用方法与技术性能同样重要。

出处·参考资料

1. Phys.org：2026年11月9日发布。介绍了研究概要、分类对象、尚未在实际灾害中运用以及面向对话型AI的未来构想。
   https://phys.org/news/2026-11-ai-tool-crisis-communication.html

2. Texas A&M University：大学的研究发布
   2026年11月6日发布。研究团队和开发状况的确认一次资料。Texas A&M Stories
   https://stories.tamu.edu/news/2026/11/06/researchers-develop-ai-tool-to-improve-crisis-communication/

3. Advanced Engineering Informatics：CrisisSense-LLM的发表论文
   论文名为“CrisisSense-LLM: instruction fine-tuned large language model for multi-label social media text classification in disaster informatics”。由于未能获取出版社的全文，本文未使用详细的性能数值。
   https://doi.org/10.1016/j.aei.2026.104836

4. arXiv：同名研究的公开预印本
   用于确认基于指令的额外学习和从多个角度对灾害帖子进行分类的研究方法。与学术期刊的最终发表版区分开来参照。arxiv.org
   https://arxiv.org/abs/2406.15477

5. Rest of World：关于巴西洪水和AI生成图像的报道
   2024年5月23日发布。通过报道确认X用户“@mphistoria”的帖子。作为与本次研究无直接关系的反应，介绍了与灾害时AI的相关反应。restofworld.org
   https://restofworld.org/2024/exporter-brazil-floods-ai-misinformation/

6. NICT：关于灾害状况总结系统D-SUMM的试验公开发布
   日本推进的分析、整理、总结社交媒体灾害信息的努力的一次资料。NICT-信息通信研究机构
   https://www.nict.go.jp/press/2016/10/18-1.html

7. NICT：关于DISAANA·D-SUMM的试验公开结束
   确认