谷歌的新人工智能工具可提前24小時預測山洪

簡要

• Google 利用 Gemini 挖掘過去二十年的全球新聞報導，建立了史上最大規模的閃洪資料集。
• 該資料集現已支援一個能提前24小時預測城市閃洪的人工智慧模型。
• 這套系統填補了長期阻礙閃洪預測的重要資料空白。

閃洪每年奪走數千條生命。它們來得迅速，最嚴重影響城市，數十年來科學家幾乎無法預測，因為用於訓練預測模型的資料根本不存在。 週四，Google 表示他們找到了解決方案——透過閱讀新聞。 該公司推出了 Groundsource 系統，利用 Gemini AI 瀏覽自2000年以來的數百萬篇新聞文章，提取洪水事件的相關資訊，並將每個事件與地點和日期連結。結果是一個包含超過150個國家、260萬筆歷史閃洪資料的資料集，現已開放供任何人下載與使用。

該資料集隨後被用來訓練一個新的人工智慧模型，能預測未來24小時內閃洪是否可能襲擊城市區域。這些預測現已在 Google 的 Flood Hub 上實時運行，該平台已用來警告全球約20億人有關河川洪水的威脅。  Groundsource 解決的問題其實非常基本。河流有物理測站——水中安裝的感測器，數十年來一直在記錄水位。這就是預測河流何時會氾濫的方法。而城市街道沒有類似的裝置。當強降雨沖刷路面並超過排水系統時，洪水來得太快、太局部，傳統儀器難以追蹤。 沒有歷史資料，就無法訓練出能辨識這種模式的 AI 模型。Google 的解決方案是將新聞文章視為缺失的感測器。

“透過將公共資訊轉化為可行的數據，我們不僅在分析過去，更在為每個人打造一個更具韌性的未來，朝著我們的目標——不讓任何人對自然災害感到驚訝。” Google 表示。

資料來源：Google

在過濾掉廣告、導航菜單和重複內容，並將其他語言的文章翻譯成英文後，團隊將數百萬雜亂的文字描述轉化為乾淨的、具有地理標記的時間序列資料。 訓練該模型所用的資料採用 LSTM 神經網絡——一種專為處理時間序列的 AI 技術——結合每小時天氣預報與當地因素，如城市化密度、土壤吸收率和地形。模型會輸出一個簡單的信號：在未來24小時內，某個城市區域的洪水風險為中或高，前提是該區域的人口密度超過每平方公里100人。 該系統存在一些限制。它每次只能覆蓋約20平方公里的範圍，無法預測洪水的嚴重程度，也在新聞報導較少的地區表現不佳。 儘管如此，早期結果已經顯示出成效。在南部非洲的一個地區災害管理機構在測試階段收到了 Flood Hub 的警報，確認洪水事件，並派遣人道工作者進行應對。根據 Google 危機韌性主管 Juliet Rothenberg 的說法，“從 Flood Hub 的預測到實地行動的整個鏈條，正是 Flood Hub 建立的目的。”