新上线23天前0 投票
谷歌用旧新闻与AI预测山洪暴发：破解数据稀缺难题
山洪暴发是全球最致命的天气事件之一，每年造成超过5000人死亡，但因其短暂性和局部性，传统气象数据难以全面捕捉，导致深度学习模型在预测上力不从心。谷歌研究人员近日公布了一项创新解决方案：利用自家大语言模型Gemini，从全球500万篇新闻文章中筛选出260万次洪水事件报告，并将其转化为地理标记的时间序列数据集Groundsource。
这是谷歌首次将语言模型用于此类工作，旨在解决山洪预测中的数据稀缺问题。研究人员以Groundsource为现实基准，训练了一个基于长短期记忆（LSTM）神经网络的模型，该模型能够结合全球天气预报数据，生成特定区域的山洪暴发概率。
目前，谷歌的山洪预测模型已在Flood Hub平台上为150个国家的城市区域提供风险提示，并与全球应急响应机构共享数据。南非发展共同体应急响应官员António José Beleza在试用后表示，该模型帮助其组织更快速地应对洪水事件。
然而，模型仍存在局限性：其分辨率较低，仅能识别20平方公里区域的风险；且不如美国国家气象局的洪水预警系统精确，部分原因是未整合本地雷达数据，无法实时追踪降水。但谷歌强调，该项目旨在服务于那些无力投资昂贵气象传感基础设施或缺乏详尽气象数据记录的地区。
这项研究不仅展示了AI在气象预测中的新应用路径，也凸显了语言模型在挖掘非结构化数据（如新闻报告）以补充传统数据源的潜力。随着气候变化加剧极端天气事件，此类创新技术有望提升全球防灾减灾能力，尤其在数据匮乏的发展中地区。