刘德权：《人工智能的发展及其在消防隐患排查中的应用》| CFIC2026

　　消防从设备联网到人工巡查、经验处置，正在逐渐转变为“智能感知+决策智能+业务闭环”的模式。

　　近日，CFIC2026中国消防安全产业大会隆重召开。联合国教科文组织国际工程教育中心人工智能专家委员、IET FELLOW、美国国家人工智能科学院通讯院士、乌克兰国家工程院外籍院士刘德权发表了《人工智能的发展及其在消防隐患排查中的应用》的主题报告。

　　以下为现场实录：

　　各位领导上午好，我汇报的题目是《人工智能的发展及其在消防隐患排查中的应用》。刚才赵英然高工做了很好的铺垫，现场的细节大家也看到了，非常复杂。吴志强局长提到，通过国家政策，我们将从重大场所延伸到小社区、小单位，大家可以想象工作量有多大。好在现在我们有一个较好的方案，人工智能可以完成大部分工作。

人工智能的发展与政策背景

　　这次我汇报的内容，首先，我要说一下，去年八月份国务院提出了“人工智能+”行动，希望加强六项工作。我专门提出了“人工智能+治理能力”这一概念。它涉及公共安全治理体系，人工智能在安全生产监管、防灾减灾、公共安全预警以及社会治理等方面的应用。特别是监管执法和监测预警方面，如果大家没看过相关文件，我建议大家去看一下，因为文件讲得很详细、很具体，到2027年、2030年的具体计划都很明确。

　　年纪大些的人可能知道，我们原来“互联网+”做得非常好。2026年，北京市出台了关于人工智能智能体的若干措施，我也提到了场景和行业应用，推动人工智能赋能制造、安全、应急等重点领域，这对我们行业来说是一个巨大的红利。

　　我们稍微回忆一下，70年前，我们的前辈科学家在达特茅斯举办了一个特别重大的会议，叫人工智能会议，这标志着人工智能的发展正式开始。什么是人工智能？我们一直按照图灵的标准来判断，即类似于医药的双盲测试，如果一个机器和一个人面对同样的问题，如果机器的回答和人一样，那么就说明这个机器具有人的智能，具有人工智能功能。大家现在觉得这不很简单嘛，但大家想一想，大概六七十年前，那时候模拟电路、数字电路都没有。所以那个时候这一标准还是很先进的。

　　图灵奖是计算机行业的一个诺贝尔奖，非常具有说服力。2018年，我们有三位大咖级的电竞人工智能算法基础研究者获得了图灵奖。我总结了一句话：虽然我们人工智能算法迭代了很多，有很多新方法出现，但基本原理还是基于神经网络算法，它有效地将算力和数据转化成了智能。算力、数据和智能属于不同维度空间，它们之间需要有效转换。算力、算法和数据是人工智能的三大基石。

　　2024年物理学奖和化学奖均颁给了人工智能算法专家，这有点儿背离传统获奖范畴，意味着人工智能正赋能各领域。人工智能赋能应急管理、消防管理是大趋势，也是必须做的工作。

　　人工智能发展的四个阶段此处不再赘述。最早可追溯到二十世纪五十年代。刚才提到的2018年图灵奖提到的三位大咖，他们在八十年代末到2000年带来了巨大变化。

　　算法是核心，没有算法，数据和算力就无法有效发挥作用。通过算法，我们能有效分析前端物联网设备，包括网络、摄像头、图像等，得出最终结果。这极大地帮助了我们，因为当传感器数量达到几十万甚至上百万时，工作量巨大，人力无法承受，而人工智能正好能完成这些工作。数据方面，我们之前也讨论过，如果传感器数据不准确，结果肯定错误。

　　算力方面不再赘述，现在算力中心很常见。我参加的几个行业会议显示，2023年春节后，ChatGPT横空出世，这是标志性事件。此前大家认为人工智能在应用方面有所局限，但这个事件后，人们发现它能作诗作画，促进行业发展。然而，实际上过了两年，大家对仅靠数据和算力得出的人工智能结果不太满意，期望出现超级人工智能。但我个人认为，这可能需要一段时间或重大算法改进，这还需要科学家们继续努力。

安全应急行业需求与智能化转型

　　回到应急管理领域，专家们达成共识，从部门到专家到从业人员都认同防灾、减灾、救灾是一个重要顺序，并对此寄予厚望。将隐患排查前置，争取在灾害发生前进行预防，若无法避免，则进行减灾，若仍无法应对，则只能救灾。此方向可处理百分之七八十的问题。那么，我们部门两年前推出了久安大模型，但存在幻觉问题、错答或乱答。上次部门开会时，上级领导希望增加场景创新，将人工智能与安全风险辨识结合，以解决现场安全问题。刚才赵英然高工提到了现场安全问题，这是一个非常重要的问题。由于专家判断可能不准确，且国家标准存在滞后，这是一个棘手的问题。但好在人工智能可以解决大部分问题，稍后我将向大家汇报。

　　各级领导对安全红线都非常重视，例如中石油、中石化等企业的负责人，一旦出现问题，将直接免职并可能承担刑事责任。相关领导从省级到市级再到区级，对安全问题的追责是零容忍。我和赵英然高工一样，也经常去现场检查。尽管我们非常努力，不可能一年三百六十五天全在现场，那也没办法，我们就这么多人，但面对众多企业和现场，仅凭人力无法全面判断。那么，有一个好的办法就是说，我们需要借助人工智能来解决这个问题。我们需要回头感谢一些前辈的科学家和工程师，他们建立了非常有效的机制，如物联网。目前，我们的这个消防的烟感等物联网系统已经建设得非常完善，尽管仍存在一些误差或联网问题，但基础已经打好，包括图像采集和摄像头等设备都表现良好。

　　我一直强调数据的重要性。没有数据，人工智能就如同空中楼阁，无法实施。因此，我们消防从设备联网到人工巡查、经验处置，正在逐渐转变为“智能感知+决策智能+业务闭环”的模式。也就是说，我们要实现看得见、判得准、连得动、管得住的四类核心能力。由于时间关系，我不再详细说了。

　　智能感知这方面，我们知道，消防行业有很多优秀企业和专业团队在这方面做了很多工作。例如，我们原来的专家系统做的比较好、比较简单，比如在气体超标等简单情况下表现良好。当气体浓度超过门限值时，系统会触发报警，并联动摄像头进行图像识别，以判断是误报还是系统问题。实际上，我们目前仅实现了智能协同。正如赵英然高工特别强调的，一方面，我们进行技术顶层设计、标准设计、技术支持、人员培训以及整个体系的建设。另一方面，更重要的是管理，即从事件发生到触发、应急响应再到管理协同，形成一个闭环。以往，只是由设备厂家负责相关事宜，包括应急处理及演练。我们现场检查时发现，企业需要自行开展应急演练。我们需要检查其应急演练方案，看其是否每年进行应急演练。但实际上，大家肉眼可见，这些方案多是网上抄袭，拍几张照片应付了事。而有了人工智能管理系统后，情况就完全不同了。从事件出发，经过研判到协同，最后到管理，形成了一个完整的闭环。这为企业节省了大量人力物力，是好的一方面。

AI赋能安全隐患排查

　　具体地说，我们已经建立了一套技术体系，从传感器到网络，再到数据、算力，最后到人工智能算法，都已有诸多成果。其中，我本来想讲讲人工智能，其实，它看一张图与我们看一张图不一样。比如有经验的专家一看图就能发现问题，但人工智能不行，它必须经过训练。大家总说我们有数据中心，要建大数据中心，还要建数据标识体系，最后进行训练。人工智能从颜色、边缘、纹理、形状等方面提取特征，需要进行大量计算。这就是为什么数据库要建那么大，消耗那么多能量。我们这个模型可能有上千层或几百层，它就在做这些工作，而且它不怕繁琐，因为计算速度快。

　　我再举个例子说明。实际上，我们现在算数都算不过计算器。但人工智能在这方面是它的特长。不过，我们一定要对它进行训练，这样它最后才不会有误判。准确地说就是这样。我刚才也说了，另外，我们的场景数据有时多并不一定好，大部分错误数据需要被标识出来并剔除。比如我们常说的安全帽、防护服等识别问题，还有离岗睡觉等方面的识别。

　　我们现在也在做大小模型，比如我们的久安大模型。中石油、中石化等都在做这些模型，但做这些模型并不解决现场问题，因为现场才是最重要的。我的思路与赵英然高工是一致的，我认为如果把现场的安全隐患都排除掉，安全生产就能得到极大提升。这完全可以通过非人工方式实现，包括传感器和摄像头可以24小时不间断工作，而人则需要休息。如果要求人24小时工作，那就会耗尽体力。

　　智能体区别于大模型，形成了一个从技术到管理再到实施的闭环。智能体含义如此，应急指挥也是，救援需尽快到达现场并判断组织能力。最近我们参加了很多中石油、中石化的会议，他们经常提及智能体的发展，即在原有大小模型基础上进行改进，以解决行业问题和现场问题。实际上，特别需要人工智能和行业专家的有机结合，类似于当年数据库、ERP和实施公司，这两个不结合的话，导致沟通脱节、互相不理解。

　　最终需要搭建“1个平台+1个大脑+N类智能终端”，统一调度多个智能终端，如传感器和摄像头，它们可以相互纠正和备用。由于时间关系，其他内容不再详述。

　　总结一下，看得见、判得准，说起来简单，实施起来难。要调得动、管得住，形成管理和技术的有效闭环。最后，我提一下数字人的概念。可能大家不太愿意听，但100年后我们在座的人物理上可能已不存在，但我们可以有数字人，数字人可以永远在网络中存放。数字人可以模拟我们的语音、容貌、思维以及知识库等，这样在我们进入另一个世界时，别人还可以在这个世界与我们进行对话。我就分享到这里，谢谢。

来源@慧聪消防网 261029