‏ابزار هوش مصنوعی جدید گوگل، سیل‌های ناگهانی را تا ۲۴ ساعت قبل پیش‌بینی می‌کند.

‏سیل‌های ناگهانی هر ساله جان هزاران نفر را می‌گیرند. این سیل‌ها به سرعت رخ می‌دهند، بیشترین آسیب را به شهرها وارد می‌کنند و برای دهه‌ها، دانشمندان تقریباً هیچ کاری برای پیش‌بینی آن‌ها نمی‌توانستند انجام دهند، زیرا داده‌ای برای آموزش مدل‌های پیش‌بینی وجود نداشت.

روز پنجشنبه، گوگل اعلام کرد که راهی برای حل این مشکل پیدا کرده است – با خواندن اخبار.

معرفی Groundsource

این شرکت Groundsource را معرفی کرد، سیستمی که از هوش مصنوعی Gemini برای بررسی میلیون‌ها مقاله خبری منتشر شده از سال ۲۰۰۰ استفاده می‌کند، به اطلاعات مربوط به سیل‌ها دسترسی پیدا می‌کند و هر یک را به یک مکان و تاریخ مرتبط می‌کند. نتیجه، مجموعه‌ای از ۲.۶ میلیون سیل ناگهانی تاریخی است که بیش از ۱۵۰ کشور را در بر می‌گیرد و اکنون برای دانلود و استفاده در دسترس همه قرار دارد.

آموزش مدل هوش مصنوعی

این مجموعه داده سپس برای آموزش یک مدل هوش مصنوعی جدید استفاده شد که قادر به پیش‌بینی احتمال وقوع سیل ناگهانی در یک منطقه شهری در ۲۴ ساعت آینده است. این پیش‌بینی‌ها اکنون در Flood Hub گوگل فعال هستند، همان پلتفرمی که این شرکت قبلاً برای هشدار به حدود ۲ میلیارد نفر در سراسر جهان در مورد سیل‌های مرتبط با رودخانه‌ها استفاده می‌کند.

حل یک مشکل اساسی

مشکلی که Groundsource در حال حل آن است، به طرز شگفت‌آوری اساسی است. رودخانه‌ها دارای سنجشگرهای فیزیکی هستند – حسگرهایی که در آب قرار دارند و دهه‌ها سطح آب را ثبت می‌کنند. این روشی است که پیش‌بینی‌کنندگان یاد گرفتند چگونه زمان سرریز شدن رودخانه را پیش‌بینی کنند. خیابان‌های شهرها چیزی شبیه به این ندارند. هنگامی که باران شدید به آسفالت برخورد می‌کند و سیستم‌های زهکشی را از کار می‌اندازد، سیل خیلی سریع و محلی رخ می‌دهد تا بتوان آن را با ابزارهای سنتی ردیابی کرد.

بدون سوابق تاریخی، نمی‌توان یک مدل هوش مصنوعی را برای تشخیص الگو آموزش داد. راه‌حل گوگل این بود که مقالات خبری را به عنوان حسگر گمشده در نظر بگیرد.

گوگل اعلام کرد: «با تبدیل اطلاعات عمومی به داده‌های قابل اجرا، ما فقط گذشته را تجزیه و تحلیل نمی‌کنیم – بلکه آینده‌ای انعطاف‌پذیرتر را برای همه ایجاد می‌کنیم تا به هدف خود برسیم که هیچ‌کس از یک فاجعه طبیعی غافلگیر نشود».

تبدیل داده‌های نامنظم به اطلاعات قابل استفاده

پس از حذف تبلیغات، منوهای ناوبری و موارد تکراری و ترجمه مقالات از زبان‌های دیگر به انگلیسی، این تیم میلیون‌ها توصیف متنی نامنظم را به داده‌های سری زمانی تمیز و دارای موقعیت جغرافیایی تبدیل کرد.

مدل آموزش‌دیده بر اساس این داده‌ها از یک شبکه عصبی LSTM استفاده می‌کند – نوعی هوش مصنوعی که برای پردازش توالی‌ها در طول زمان ساخته شده است – تا پیش‌بینی‌های آب و هوایی ساعتی را همراه با عوامل محلی مانند تراکم شهرنشینی، میزان جذب خاک و توپوگرافی دریافت کند. سپس یک سیگنال ساده را خروجی می‌دهد: خطر سیل متوسط یا زیاد در ۲۴ ساعت آینده، برای هر منطقه شهری با تراکم جمعیت بالای ۱۰۰ نفر در هر کیلومتر مربع.

محدودیت‌ها و نتایج اولیه

این سیستم محدودیت‌های واقعی دارد. این سیستم فقط مناطق حدود ۲۰ کیلومتر مربع را در یک زمان پوشش می‌دهد، نمی‌تواند میزان شدت سیل را مشخص کند و در مناطقی که پوشش خبری کمی دارند، عملکرد خوبی نخواهد داشت.

با این حال، نتایج اولیه نشان‌دهنده هستند. یک مقام مسئول مدیریت بحران منطقه‌ای در جنوب آفریقا در طول فاز بتا یک هشدار Flood Hub دریافت کرد، سیل را در محل تأیید کرد و یک امدادگر را برای مدیریت پاسخ اعزام کرد. به گفته جولیوت روثنبرگ، مدیر تاب‌آوری بحران در گوگل، «این زنجیره رویدادها از یک پیش‌بینی در Flood Hub تا حضور نیروها در محل، دقیقاً همان چیزی است که Flood Hub برای آن ساخته شده است».