911呼叫者的人工智能算法具有据说是由纽约市高中大三学生创建的，目的是帮助标签和预测呼叫者对更准确的响应类型的主要关注点，从而在此过程中节省了数百万美元。
新的AI模型背后是曼哈顿勃朗宁学校的17岁的皮尔斯·赖特（Pierce Wright）。在上一年，他费力地编码了AI。他使用从纽约市广泛的互联网数据库收集的数据进行了培训，该数据库包含大约2400万个紧急电话，涵盖了近二十年。
他声称自己的努力获得了回报，因为他的算法可以准确地预测基于邮政编码，一天中的时间，警察区域以及来电的第一个严重性等级所需的资源。据他认为，最好的部分被证明是该模型的94.5％的显着成功率比其人类同行的成功率高2.2％。
赖特（Wright）声称，他在康涅狄格州韦斯特波特（Westport）的志愿者EMS轮班期间接听电话时有动力启动该计划。
据他说，船员经常被派去打来电话，事实证明是为了精神卫生或吸毒成瘾，而不是他们有资格的实际医疗危机。病人经常被带到附近的急诊室等待，也不会从中受益。
911次人AI的调度员
Wright的软件可以应用于多种类型的紧急电话。例如，如果该模型确定患者遭受了创伤，则可以随时发送护理人员，而不仅仅是EMT。
但是，该应用程序的开发人员很快澄清说，目标是支持调度员而不是替换调度员。据他介绍，该模型的进一步进步可能会阻止城市损失数百万美元，并大大减少响应时间。
AI紧急情况
总体上，911个响应者越来越多地使用了人工智能。根据彭博，一家技术初创公司Lyt正在使用人工智能来确定何时在圣何塞和西雅图将红灯绿色绿色，以便城市车辆可以更快地到达目的地。
通过将监视城市汽车与交通信号软件的传感器集成，该技术提供了实时的街道状况数据，Lyt的AI处理以将红色和绿灯的时机修改为下一站。该设备也可以与城市扫雪机一起使用，因为它会随着它的形式拾取图案。
研究公司C2SMARTER使用传感器来帮助Firetrucks更快地驾驶曼哈顿拥挤的街道。凤凰城和佛罗里达州迈尔斯堡的医院急诊室不会因MD Ally的分盘和重定向911次通话的方法而被非关键案件所淹没，同时仍为患者提供所需的关注。
由纽约大学工程学院领导的联邦资助的研究联盟C2Smarter旨在通过模拟曼哈顿哈林（Harlem）社区的某些街道的交通行为和模式来改善消防部门的响应时间。该项目目前正在进行中。
在美国，AI驱动的生产率提高和削减业务成本。仅纽约市的平均紧急响应时间就增加到了大约八分钟，比2013年长一分钟以上。火灾响应时间也增加了。
