2026年10月，南非 eThekwini（德班）嘅新研究喺《Scientific Reports》刊出，話城市發展活動——修路、蓋樓、植被減少——令該市滑坡風險明顯上升。研究用機器學習（machine learning，模型跟住資料訓練再預測）結合衞星影像，畫出邊度最容易塌。呢份研究距2022年4月洪水同滑坡嘅災難已經過咗四年，嗰陣有幾百日人喪生、超過 4 萬居民疏散、基建及商業損失估計達 360 億蘭特。
技術邊界先講清楚：研究用 random forest（隨機森林，一種用多棵決策樹投票嘅分類方法）同 support vector machine（支援向量機，以最大間隔劃分邊界嘅傳統機器學習模型），兩個模型準確率都超過 98%。研究結合同時列出幾個關鍵因素：土地使用、海拔、植被覆蓋、地質條件。研究指出，去除植被會削弱坡面穩定，建設活動會改變排水模式、對脆弱地貌加壓。研究亦話，沿海一帶風險特別高，內陸山區風險一般較低。
傳統滑坡評估要大量人力同時間，研究稱機器學習加衞星數據可以讓風險區域識別「更高效、更準確」。研究人員指，呢類工具可幫市政同規劃人員判斷邊度發展要審慎、邊度要做災難預備。呢段係技術能力嘅客觀陳述，我哋唔會因為有 98% 準確率就當問題自動解決。
2022年4月嘅洪水被視為 KwaZulu-Natal 省歷史最嚴重嘅天然災難之一：四日內部分地區錄得超過 300 毫米（11.8 吋）雨量，引發廣泛水浸同山坡滑動，受影響區域覆蓋非正式及正式社區，顯示滑坡風險並唔限於傳統貧困社區。
研究人員 Dr. Laven Naidoo（Gauteng City-Region Observatory 高級研究員）話，研究想揾出 eThekwini 滑坡風險嘅驅動因素同未來脆弱區域，「極端天氣事件越嚟越頻密，呢啲資訊可支援預防性規劃同風險降低」。
阿調搞兩下
準確率 98% 嘅圖擺喺度，問題係咪即時解決？技術可以話你邊度會塌，但開發商照舊照舊、地政執法係咪照做、數據有冇公開俾人審？
98% 準確率聽落好勁，但呢個數字係喺乜樣訓練數據集、乜樣測試集得出嚟？98% 喺滑坡預測呢個域，同醫療診斷或者金融風險模型嘅 98% 並唔一樣——個域本身嘅 base rate（基準率）低，false positive（誤報）同 false negative（漏報）嘅後果又唔對稱。我哋只信得研究作者嘅結論，唔會因為有 98% 準確率就當問題自動解決。
數據透明度嗰度，研究用嘅衞星數據、GIS 資料庫、訓練集同測試集有冇公開？冇公開就等唔到獨立核對。研究人員話呢類工具「可以幫市政同規劃人員」，但「可以幫」三個字冇約束力。
AI 幫你睇山會唔會塌，係能力；聽唔聽、照唔照做，係權力。呢個係兩個唔同問題，唔好混埋。
阿調｜深度調教
