Bleskové povodně si každý rok vyžádají více než 5 000 životů, což z nich dělá jednu z nejnebezpečnějších povětrnostních událostí na světě. Jejich nepředvídatelnost je způsobena jejich rychlým nástupem a lokalizovanou povahou, kterou je obtížné zachytit tradičními systémy sledování počasí. Nyní je Google průkopníkem nového řešení: Pomocí umělé inteligence a milionů zpravodajských zpráv předpovídá bleskové povodně v reálném čase.
Problém s tradičním předpovídáním
Konvenční údaje o počasí často postrádají bleskové povodně, protože se vyvíjejí příliš rychle a na příliš malé ploše. Přestože jsou teploty a průtoky řek nepřetržitě monitorovány, tyto události jsou často příliš pomíjivé na to, aby je bylo možné přesně změřit. Tato datová mezera snižuje efektivitu modelů hlubokého učení, které vynikají v předpovědích počasí, ale vyžadují komplexní historická data.
Základní zdroje: Přeměna zpráv na použitelná data
K vyřešení tohoto problému použili výzkumníci Google svůj velký jazykový model Gemini k analýze přibližně 5 milionů zpravodajských článků. Tento proces extrahoval informace o 2,6 milionu povodní, což vedlo k vytvoření geograficky odkazované časové řady nazvané „Groundsource“. Poprvé použil Google jazykové modely k vytvoření kritických dat pro předpovědi počasí. Analýzou zpráv z celého světa Groundsource efektivně zaplňuje mezery v tradičních datech, zejména v regionech bez rozsáhlé infrastruktury pro předpovědi počasí.
Jak model funguje
Dataset Groundsource byl poté použit k trénování neuronové sítě s dlouhou krátkodobou pamětí (LSTM). Tento model bere globální předpovědi počasí a generuje pravděpodobnost bleskových povodní v určitých oblastech. Výsledkem je prognostický nástroj nasazený na platformě Google Flood Hub, který poskytuje hodnocení rizik pro městské oblasti ve 150 zemích. Data jsou také sdílena s agenturami pro mimořádné události po celém světě, což zlepšuje jejich schopnost rychle reagovat na hrozící katastrofy.
Omezení a širší důsledky
Přestože se jedná o průlom, model není bez omezení. Jeho současné rozlišení pokrývá oblasti o rozloze 20 kilometrů čtverečních, což je méně přesné než systémy, jako je americká Národní meteorologická služba, které zahrnují místní radarová data. Skutečná síla tohoto projektu však spočívá v jeho použitelnosti v regionech, kde vládám chybí finanční prostředky na nákladnou infrastrukturu pro monitorování počasí.
„Protože agregujeme miliony zpráv, datová sada Groundsource ve skutečnosti pomáhá vyvážit mapu. Umožňuje nám extrapolovat data do jiných oblastí, kde není dostatek informací.“
— Juliet Rothenberg, programová manažerka týmu odolnosti Google
Google plánuje tento přístup rozšířit i na další těžko předvídatelné události, jako jsou vlny veder a sesuvy půdy. Úspěch Groundsource demonstruje potenciál velkých jazykových modelů pro transformaci kvalitativních dat – zpráv, svědectví – na kvantitativní poznatky, které vedou ke skutečné akci. Tento projekt zdůrazňuje rostoucí trend používání umělé inteligence k vyplnění kritických mezer v geofyzice, kde nedostatek zůstává hlavní překážkou přesného modelování.
Tato iniciativa zdůrazňuje klíčový bod: V době přetížení informacemi nespočívá skutečná hodnota ve sběru více dat, ale ve vytěžení významu z toho, co již existuje.
