美國約翰斯·霍普金斯大學研究團隊研發出一款名為“交通安全副駕”的生成式人工智能工具，能夠精準預測交通事故風險。相關研究成果發表於最新一期《自然·通訊》雜誌。

　　交通事故的發生往往交織着天氣、交通流量、道路設計及駕駛行為等多重復雜因素。這款工具通過大語言模型技術，解析了66000余起交通事故數據，包括道路狀況、血液酒精濃度數值、衛星與實地影像等，從而實現對個體及複合風險因素的智能研判。

　　團隊&&，該工具不僅能提供預測，還會同步給出“置信度評分”，直觀呈現預測結果的可靠程度。這一特性有效破解了人工智能（AI）決策如同“黑匣子”的難題，為高風險領域的AI應用掃除了關鍵障礙。

　　數據顯示，美國馬裏蘭州高速公路死亡人數從2013年的466人攀升至2023年的621人。模型分析顯示，酒駕與超速行駛引發的事故量，是其他因素的3倍之多。

　　與普遍採用的僅能基於歷史數據進行分析的機器學習技術不同，這款工具擁有真正的預測能力。即使面對訓練樣本中未出現過的新情況，它也能生成準確預警。更值得期待的是，該工具可通過補充數據持續優化預測模型，靈活適配不同地區的交通治理需求。（記者劉霞）