Корпорация Google представила передовой метод прогнозирования внезапных паводков, задействовав потенциал языковой модели Gemini для анализа колоссального массива данных — более 5 миллионов новостных публикаций за последние годы.
На основе изученных материалов была сформирована база данных Groundsource — открытый геопривязанный временной ряд, включающий сведения о 2,6 миллионах инцидентов. Как отмечает руководитель проектов Google Research Гила Лойк, это первый случай успешного применения больших языковых моделей (LLM) для решения задач подобного типа.
Используя массив Groundsource, специалисты обучили нейронную сеть архитектуры LSTM, которая сопоставляет глобальные метеорологические прогнозы с локальными рисками наводнений. Система уже интегрирована в платформу Flood Hub, обеспечивая мониторинг угроз в 150 странах и передавая оперативную информацию экстренным службам.
Источник: Google Flood Hub
Антониу Жозе Белеза, представляющий Сообщество развития Юга Африки, подтвердил, что внедрение технологий Google позволило значительно ускорить реагирование на стихийные бедствия.
В настоящее время точность модели ограничена разрешением в 20 км²; она пока уступает системам, опирающимся на локальные радары (например, инструментам Национальной метеорологической службы США). Тем не менее, её ключевое преимущество заключается в способности эффективно работать в регионах, лишенных развитой наземной инфраструктуры и исторических архивов метеонаблюдений.
В Google рассчитывают, что методика извлечения количественных показателей из текстовых источников с помощью ИИ найдет применение и в прогнозировании других природных катаклизмов, таких как аномальная жара или оползневые процессы.
Источник: iXBT
