Компанія Google представила новий підхід до прогнозування раптових повеней, використовуючи штучний інтелект для аналізу старих новинних матеріалів. За оцінками дослідників, такі повені щороку забирають понад 5 тисяч життів і залишаються одним із найскладніших для прогнозування погодних явищ.
Проблема полягає в нестачі даних. Раптові повені виникають швидко та на невеликих територіях, тому їх складно фіксувати за допомогою традиційних метеорологічних систем. Через це моделі машинного навчання часто не мають достатньої інформації для точних прогнозів.
Як використовують ШІ для аналізу
Щоб заповнити прогалину, дослідники з Google Research використали мовну модель Gemini для аналізу приблизно 5 мільйонів новинних статей з усього світу. ШІ знайшов у них повідомлення про 2,6 мільйона випадків повеней і перетворив ці дані на географічно прив’язаний часовий набір під назвою Groundsource.
На основі цього набору даних була навчена модель прогнозування, яка використовує нейронну мережу з довгостроковою пам’яттю (LSTM). Вона аналізує глобальні метеорологічні прогнози та визначає ймовірність раптової повені в певному районі.
Зараз система вже використовується на платформі Flood Hub і показує ризики повеней у міських районах 150 країн. Дані також передаються службам реагування на надзвичайні ситуації.
Втім, модель має обмеження. Вона визначає ризики на територіях приблизно 20 квадратних кілометрів. Тобто поступається точністю системам, які використовують локальні радари, наприклад прогнозам National Weather Service у США.
Проєкт орієнтований насамперед на регіони, де немає розвиненої метеорологічної інфраструктури.