Система Groundsource від Google, керована Gemini, аналізує десятиліття новинних звітів для попередження про раптові повені в 150 країнах.
Створити обліковий запис, щоб зберегти статті.Додати до GoogleДодайте Decrypt як ваш пріоритетне джерело, щоб бачити більше наших історій у Google.
Коротко
Google створив найбільший у світі набір даних про раптові повені, використовуючи Gemini для аналізу дворічних новинних звітів з усього світу.
Цей набір даних тепер живить модель ШІ, яка прогнозує міські раптові повені до 24 годин наперед.
Система заповнює суттєву прогалину в даних, яка тривалий час перешкоджала прогнозуванню раптових повеней.
Раптові повені щорічно забирають тисячі життів. Вони виникають швидко, найсильніше вражають міста, і протягом десятиліть вчені майже нічого не могли зробити, щоб передбачити їх, оскільки дані для навчання прогностичних моделей просто не існували.
У четвер Google оголосив, що знайшов вихід із цієї проблеми – читаючи новини.
Компанія представила Groundsource – систему, яка використовує Gemini AI для аналізу мільйонів новинних статей, опублікованих з 2000 року, вилучення згадок про події повеней та прив’язки кожної з них до місця та дати. Результатом став набір даних з 2,6 мільйона історичних раптових повеней, що охоплюють понад 150 країн, і тепер доступний для завантаження та використання будь-ким.
Цей набір даних був використаний для навчання нової моделі ШІ, здатної прогнозувати ймовірність раптової повені в міській місцевості протягом наступних 24 годин. Прогнози тепер доступні на Flood Hub від Google – платформі, яку компанія вже використовує для попередження приблизно 2 мільярдів людей про повені, пов’язані з річками, по всьому світу.
Проблема, яку вирішує Groundsource, дивовижно проста. Річки мають фізичні датчики – сенсори, розташовані у воді, які записують рівні протягом десятиліть. Саме так синоптики навчилися передбачати, коли річка вийде з берегів. Міські вулиці не мають нічого подібного. Коли сильний дощ потрапляє на асфальт і перевантажує дренажні системи, повені стаються занадто швидко і занадто локально, щоб їх можна було відстежити за допомогою традиційних приладів.
Без історичних записів неможливо навчити модель ШІ розпізнавати закономірність. Рішенням Google стало ставлення до новинних статей як до відсутнього датчика.
«Перетворюючи публічну інформацію на дієві дані, ми не просто аналізуємо минуле – ми будуємо більш стійке майбутнє для всіх, наближаючи нас до мети, щоб ніхто не був здивований стихійним лихом», – заявив Google.
Після фільтрації реклами, навігаційних меню та дублікатів, а також перекладу статей з інших мов на англійську, команда перетворила мільйони розрізнених текстових описів на чисті, геоприв’язані часові ряди даних.
Модель, навчена на цих даних, використовує LSTM-нейронну мережу – тип ШІ, створений для обробки послідовностей у часі – для аналізу погодинних прогнозів погоди разом з локальними факторами, такими як щільність урбанізації, показники поглинання ґрунту та топографія. Потім вона видає простий сигнал: середній або високий ризик повені протягом наступних 24 годин для будь-якої міської території з щільністю населення понад 100 осіб на квадратний кілометр.
Система має реальні обмеження. Вона охоплює лише території площею близько 20 квадратних кілометрів за раз, не може сказати, наскільки серйозною буде повінь, і не буде добре працювати в регіонах з обмеженим висвітленням у новинах.
Тим не менш, перші результати вражають. Регіональний орган з надзвичайних ситуацій у Південній Африці отримав сповіщення Flood Hub під час бета-тестування, підтвердив повінь на місці та направив гуманітарного працівника для управління реагуванням. За словами Джульєт Ротерберг, директора з питань стійкості до кризових ситуацій у Google, «цей ланцюжок подій від прогнозу на Flood Hub до дій на місцях – це саме те, для чого був створений Flood Hub».
Погляд Crypto Top: Інтеграція ШІ для аналізу неструктурованих даних, таких як новини, для створення критично важливих прогнозів, подібних до прогнозів повеней, відкриває нові шляхи для децентралізованих мереж ШІ. Це може призвести до появи більш надійних і доступних ШІ-агентів, що працюють на блокчейні, які зможуть аналізувати глобальні події в реальному часі, потенційно збільшуючи попит на токени, які живлять ці мережі, такі як FET або TAO.
