纽约市在应对极端高温时，决策工具的选择直接影响应急响应效率。康奈尔大学研究团队最新研究发现，人工智能预测算法与传统指数模型在高温应急管理中的应用效果各有千秋，需根据具体场景权衡选用。该成果由信息科学博士生Jennah Gosciak与副教授Allison Koenecke共同完成，并于6月25日至28日在蒙特利尔举行的ACM公平、问责与透明性大会正式发布。 研究团队以纽约市广泛使用的热脆弱性指数为案例，将其与AI预测模型进行对比评估。该指数结合地表温度、空调普及率、植被覆盖率、家庭收入中位数及特定人口比例计算风险分值。实验结果表明，传统指数对输入参数变化高度敏感，虽适用于长期规划与抽象概念评估，但在实时调度方面存在局限。相比之下，AI算法在动态预警、紧急通知发放及资源调配等即时决策中表现更优，但模型可解释性较弱。 研究指出，决策者不应孤立评判算法的公平性或有效性，而应结合实际管理目标选择工具。团队提出七项核心权衡建议，强调在环境正义与公共政策制定中，指数与算法应形成互补。该方法论具有跨场景适用性，为优化城市危机管理与韧性建设提供了科学依据。