論文の概要: Situational Awareness as the Imperative Capability for Disaster Resilience in the Era of Complex Hazards and Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2508.16669v1
• Date: Thu, 21 Aug 2025 03:38:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.103915
• Title: Situational Awareness as the Imperative Capability for Disaster Resilience in the Era of Complex Hazards and Artificial Intelligence
• Title（参考訳）: 複雑なハザードと人工知能の時代における災害耐久能力の意義としての状況認識
• Authors: Hongrak Pak, Ali Mostafavi,
• Abstract要約: 災害はしばしば確立された危険モデルを超え、予期せぬ影響や脆弱性が効果的な対応を妨げている盲点を明らかにする。 状況認識(SA) - 動的危機条件を知覚し、解釈し、計画する能力は、しばしば見過ごされるが、災害の回復に不可欠な能力である。
• 参考スコア（独自算出の注目度）: 1.1368819707015188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Disasters frequently exceed established hazard models, revealing blind spots where unforeseen impacts and vulnerabilities hamper effective response. This perspective paper contends that situational awareness (SA)-the ability to perceive, interpret, and project dynamic crisis conditions-is an often overlooked yet vital capability for disaster resilience. While risk mitigation measures can reduce known threats, not all hazards can be neutralized; truly adaptive resilience hinges on whether organizations rapidly detect emerging failures, reconcile diverse data sources, and direct interventions where they matter most. We present a technology-process-people roadmap, demonstrating how real-time hazard nowcasting, interoperable workflows, and empowered teams collectively transform raw data into actionable insight. A system-of-systems approach enables federated data ownership and modular analytics, so multiple agencies can share timely updates without sacrificing their distinct operational models. Equally crucial, structured sense-making routines and cognitive load safeguards help humans remain effective decision-makers amid data abundance. By framing SA as a socio-technical linchpin rather than a peripheral add-on, this paper spotlights the urgency of elevating SA to a core disaster resilience objective. We conclude with recommendations for further research-developing SA metrics, designing trustworthy human-AI collaboration, and strengthening inclusive data governance-to ensure that communities are equipped to cope with both expected and unexpected crises.
• Abstract（参考訳）: 災害はしばしば確立された危険モデルを超え、予期せぬ影響や脆弱性が効果的な対応を妨げている盲点を明らかにする。 この視点では、状況認識(SA)は、しばしば見過ごされるが、災害の回復に不可欠な能力である、と論じている。 リスク軽減策は既知の脅威を軽減できるが、すべての危険を中和できるわけではない。真に適応的なレジリエンスは、組織が出現する障害を迅速に検出し、多様なデータソースを調整し、最も重要となる直接的な介入を行うかどうかに焦点を合わせている。 我々は、リアルタイムのハザード・キャスト、相互運用可能なワークフロー、チームが生データを集合的に行動可能な洞察に変換する方法を示す、技術プロセス担当者のロードマップを提示します。 システム・オブ・システム(System-of-systems)アプローチは、フェデレーションされたデータオーナシップとモジュール分析を可能にするため、複数のエージェンシーが、独自の運用モデルを犠牲にすることなく、タイムリーなアップデートを共有することができる。 同様に重要で構造化された感覚作りのルーチンや認知的負荷の保護は、データが豊富にある間に人間が効果的な意思決定者を維持するのに役立ちます。 本稿では, 周辺アドオンではなく, SAを社会技術リンチピンとして捉えることにより, SAを中核的災害回復目標に引き上げることの急激さを浮き彫りにする。 我々は、さらなる研究開発SAメトリクス、信頼できる人間とAIのコラボレーションを設計し、コミュニティが予期せぬ危機と予期せぬ危機に対処できるように包括的データガバナンスを強化することを推奨する。

関連論文リスト

• The Problem of Algorithmic Collisions: Mitigating Unforeseen Risks in a Connected World [2.8775022881551666]
  人工知能(AI)やその他の自律的なアルゴリズムシステムの展開が増加し、世界は新たなシステム的リスクを抱えている。 現在のガバナンスフレームワークは、この複雑な相互作用のエコシステムの可視性を欠いているため、不十分です。 本稿では、この課題の性質を概説し、フェーズドシステム登録による透明性と説明責任の向上、デプロイメントのライセンスフレームワーク、監視機能の強化などに焦点を当てた初期方針を提案する。
  論文  参考訳（メタデータ） (2025-05-26T16:22:18Z)
• Safety Devolution in AI Agents [56.482973617087254]
  本研究では,検索アクセスの拡大がモデル信頼性,バイアス伝搬,有害コンテンツ生成に与える影響について検討した。 整列 LLM 上に構築された検索補助エージェントは、検索なしでの無検閲モデルよりも安全でない振る舞いをすることが多い。 これらの発見は、検索が強化され、ますます自律的なAIシステムにおいて、公正性と信頼性を確保するための堅牢な緩和戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-05-20T11:21:40Z)
• Modeling Interdependent Cybersecurity Threats Using Bayesian Networks: A Case Study on In-Vehicle Infotainment Systems [0.0]
  本稿では,サイバーセキュリティリスクモデリングにおけるベイズネットワーク(BN)の適用について概説する。 In-Vehicle Infotainment (IVI)システムのためのSTRIDEベースの攻撃木をBNに変換するケーススタディを示す。
  論文  参考訳（メタデータ） (2025-05-14T01:04:45Z)
• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• Data Taxonomy Towards the Applicability of the Digital Twin Conceptual Framework in Disaster Management [0.562479170374811]
  Digital Twin (DT)は、重要なインフラの管理に新しいアプローチを提供する。 これらのインフラの複雑さと相互接続性の増加は、ロバストな災害対応と管理戦略の開発を必要とする。 本研究では,その特徴や脆弱性を危機事象と比較するための分類機能と類似性機能を紹介する。
  論文  参考訳（メタデータ） (2025-02-27T21:08:03Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。 シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
  特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。 本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
  論文  参考訳（メタデータ） (2025-01-09T03:59:10Z)
• Enhancing Trustworthiness and Minimising Bias Issues in Leveraging Social Media Data for Disaster Management Response [0.1499944454332829]
  リアルタイムデータを活用することは、データの不確実性に大きく対処し、災害対応努力を強化することができる。 ソーシャルメディアは、災害前後のソーシャルメディアの利用が盛んに行われているため、リアルタイムデータの効果的な源泉として現れている。 また、これらのデータの信頼性とバイアスに関する課題も生み出します。 信頼性を高めバイアスを最小化するために使用できる要因を調査し、特定することを目的としている。
  論文  参考訳（メタデータ） (2024-08-15T10:59:20Z)
• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [50.122541222825156]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• On Data Fabrication in Collaborative Vehicular Perception: Attacks and Countermeasures [22.338269462708368]
  コネクテッド・自動運転車(CAV)の知覚能力を大幅に向上させる協調的知覚は、潜在的なセキュリティリスクをもたらす。 本研究では,攻撃者が悪質なデータを被害者に提供し,その知覚結果を妨害する各種リアルタイムデータ作成攻撃を提案する。 我々の攻撃は、高忠実度シミュレーションシナリオにおいて86%以上の高い成功率を示し、実世界の実験で実現可能である。 本研究では、良性車両が悪質な製造を共同で明らかにできる系統的異常検出手法を提案する。
  論文  参考訳（メタデータ） (2023-09-22T15:54:04Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。