Google Groundsource: AI-прогноз наводнений с Gemini

Прогнозирование внезапных наводнений всегда было сложной задачей, но Google может иметь новое решение. Компания представила Groundsource - инструмент прогнозирования внезапных наводнений, который использует Gemini для анализа данных из старых новостных репортажей. Это первый случай использования языковой модели для такой работы.

Google поручил Gemini обработать 5 миллионов новостных статей со всего мира и выделить репортажи о наводнениях. Эти данные были преобразованы в серию геоотмеченных хронологических событий. Затем исследователи обучили модель, которая анализирует текущие прогнозы погоды и использует данные Groundsource для определения вероятности внезапного наводнения в конкретной области.

Пока нет конкретной информации о точности прогнозной модели Google, хотя это должно проясниться со временем. Один из тестовых пользователей отметил, что это помогло его организации быстрее реагировать на локальные погодные явления. Пока компания выделяет риски для городских районов в 150 странах через свою платформу Flood Hub. Google также делится своими данными с агентствами по чрезвычайным ситуациям в этих регионах.

Существуют некоторые ограничения. Модель может определять риск только в пределах 20-квадратных километров. Кроме того, она не столь точна, как система оповещения о наводнениях Национальной метеорологической службы США, поскольку модель Google не интегрирует локальные радарные данные. Эти данные обычно позволяют отслеживать осадки в реальном времени. Однако платформа разработана для работы в регионах, где обычно нет доступа к такой погодной инфраструктуре.

Джулиет Ротенберг, менеджер программы команды Google Resilience, надеется, что эта технология в конечном итоге сможет использоваться для прогнозирования других сложных явлений, включая жару и оползни.

Google впервые использовала языковую модель для прогнозов погоды, но это не первый случай, когда компания полагается на ИИ в подобных задачах. Прогностическая модель DeepMind WeatherNext 2 компании доказала свою чрезвычайную точность.