Groundsource: Google навчила ШІ передбачати раптові повені за допомогою старих новин
- Інструмент Groundsource використовує Gemini для аналізу 5 000 000 новинних архівів.
- Створено глобальну базу даних із 2 600 000 випадків раптових повеней у 150 країнах.
- Система дозволяє прогнозувати ризики в містах за 24 години до катастрофи.
- Прогнози вже інтегровані в безплатну платформу Google Flood Hub.
- У майбутньому технологію застосують для передбачення зсувів та спеки.
Компанія Google представила Groundsource — інноваційний інструмент для прогнозування раптових повеней, який використовує можливості штучного інтелекту Gemini для аналізу історичних даних. Це перший випадок, коли велику мовну модель залучили для створення бази даних природних катастроф, що зазвичай важко піддаються системному обліку.
Проблема раптових повеней полягає у відсутності датчиків у містах, на відміну від річок, де рівень води вимірюється десятиліттями. Щоб заповнити цю прогалину, Google доручила Gemini опрацювати 5 000 000 новинних статей, опублікованих у всьому світі за останні 20 років. ШІ відфільтрував повідомлення про повені та перетворив їх на структуровану хронологію подій із географічними мітками.
У результаті було створено набір даних із 2 600 000 історичних подій у 150 країнах. Цю інформацію використали для навчання нейронної мережі типу LSTM, яка тепер зіставляє поточні прогнози погоди з історичним досвідом конкретних локацій. Завдяки цьому система може видавати попередження про загрозу за 24 години до її початку.
Наразі прогнози доступні на платформі Flood Hub і охоплюють урбанізовані території у 150 країнах. Попри інноваційність, Groundsource має певні обмеження:
- Система визначає ризики на ділянках площею 20 квадратних кілометрів.
- Прогноз менш точний за систему Національної метеорологічної служби США, оскільки не враховує дані локальних радарів у реальному часі.
- Модель має вищий рівень охоплення потенційних загроз, але частіше видає хибні тривоги.
Проте розробники наголошують, що головна мета — надати інструмент захисту регіонам, які не мають доступу до дорогої метеорологічної інфраструктури. Наприклад, під час тестування в Південній Африці система дозволила місцевій службі порятунку вчасно відправити фахівців на місце події ще до початку затоплення. У майбутньому Google планує адаптувати цю технологію для прогнозування зсувів ґрунту та аномальних хвиль спеки.
