Kuidas Google muudab 5 miljonit uudisteraportit elupäästvaks äkiliste üleujutuste ennustajaks

Äkilised üleujutused on ühed kõige heitlikumad ja surmavamad ilmastikunähtused planeedil. Igal aastal nõuavad need äkilised veetulvad rohkem kui 5000 elu, tabades sageli vähese hoiatusega või üldse ilma selleta. Kuigi meteoroloogid on muutunud märkimisväärselt osavaks suuremõõtmeliste sündmuste, nagu orkaanide või sessoonsete jõeuputuste ennustamisel, on äkilised üleujutused globaalses ilmaennustuses endiselt kangekaelne "pimeala".

Selle põhjus ei ole arvutusvõimsuse puudus, vaid andmete puudus. Kaasaegseid ilmarakendusi toitvate süvaõppemudelite treenimiseks vajavad teadlased ajaloolisi andmeid. Äkilised üleujutused on aga sageli liiga lokaalsed ja lühiajalised, et traditsioonilised andurid, nagu jõemõõtjad, neid tabaksid. Selle lünga täitmiseks pöördus Google Research ebatavalise teabeallika poole: kohalike uudiste arhiivid.

Andmelünk hüdroloogias

Ilmaennustuse maailmas on andmed täpsuse elujõud. Suurte jõgede puhul on meil aastakümnete pikkused vooluandmed, mis on salvestatud füüsiliste anduritega. Kuid äkilised üleujutused toimuvad sageli väikestes ojades, linnatänavatel või kaugetes kuristikus, kus andureid pole. Ilma ajaloolise kirjeta selle kohta, kus ja millal need üleujutused minevikus toimusid, ei saa tehisintellekti mudelid õppida mustreid, mis on vajalikud nende ennustamiseks tulevikus.

Seda nimetavad teadlased "põhitõe" (ground truth) probleemiks. Kui mets kukkub ja ükski andur vibratsiooni ei salvesta, kas see siis juhtus? Hüdroloogilises mõttes, kui äkiline üleujutus hävitab maakülas silla, kuid läheduses pole jõemõõtjat, siis arvutimudeli jaoks seda sündmust sisuliselt kunagi ei toimunud. See puuduv teave muudab peaaegu võimatuks treenida globaalseid tehisintellekti mudeleid äkilise üleujutuse eeltunnuste tuvastamiseks.

Gemini ja Groundsource'i projekt

Selle lahendamiseks kasutasid Google'i teadlased Geminit – ettevõtte kõige arenenumat suurt keelemudelit –, et viia läbi massiivne digitaalne arheoloogiline kaevamine. Meeskond andis tehisintellektile ülesandeks lugeda läbi 5 miljonit uudisteartiklit, mis hõlmavad mitut aastakümmet ja kümneid keeli.

Eesmärk oli leida "struktureerimata" teateid üleujutustest – kohalikke uudisnupukesi, hädaabiteateid ja kogukonna arhiive – ning muuta need "struktureeritud" andmeteks. Gemini ei otsinud lihtsalt sõna "üleujutus"; see analüüsis konteksti, et määrata kindlaks sündmuse täpne asukoht, aeg ja raskusaste.

Tulemuseks on andmestik nimega "Groundsource". See sisaldab 2,6 miljonit eraldiseisvat üleujutussündmust, millest igaühel on geo-märgis ja ajatempel. See kujutab endast tohutut hüpet meie ajaloolises kirjes, pakkudes kõrge resolutsiooniga kaarti selle kohta, kuhu vesi on minevikus tunginud, isegi piirkondades, kus füüsiline infrastruktuur puudub.

Keele muutmine loogikaks

Keelemudeli kasutamine hüdroloogilisteks uuringuteks on uudne lähenemine. Google Researchi tootejuht Gila Loike märkis, et see on esimene kord, kui ettevõte on kasutanud suuri keelemudeleid (LLM) seda tüüpi spetsiifiliste keskkonnaalaste aegridade andmete loomiseks.

Mõelge sellest kui tõlkekihist. Uudisteraport võib öelda: "Tugev vihm põhjustas möödunud teisipäeval 5. tänava ja Maini risti uputuse kolme jala sügavuse vee alla." Gemini tõlgib selle lause koordinaatideks, kuupäevaks ja magnituudiks. Kui korrutada see miljonite artiklitega, tekib äkitselt tihe andmepunktide võrgustik, mida saab kõrvutada ajalooliste satelliidipiltide ja sademete hulgaga.

Võrreldes neid uudistest pärinevaid raporteid atmosfääriandmetega, saavad Google'i süvaõppemudelid lõpuks näha "miks" asukoha "kus" taga. Nad suudavad tuvastada, et konkreetne sademete hulk konkreetses topograafias viib üleujutuseni, isegi kui läheduses pole ühtegi füüsilist andurit.

Globaalne võrdsus katastroofide eest hoiatamisel

Groundsource'i projekti üks olulisemaid aspekte on selle potentsiaal aidata globaalset lõunat. Arengumaadel puudub sageli eelarve kallite jõemõõtejaamade paigaldamiseks ja hooldamiseks. Seetõttu on need piirkonnad sageli kliimaga seotud katastroofide suhtes kõige haavatavamad ja varajase hoiatamise süsteemidega kõige vähem varustatud.

Kuna Groundsource toetub füüsilise riistvara asemel uudisteraportitele ja digitaalsetele arhiividele, saab see pakkuda ajaloolist konteksti piirkondadele, mis olid varem andmete poolest "kõrbed". Muutes selle andmestiku avalikuks, annab Google kohalikele omavalitsustele ja vabaühendustele aluse oma lokaliseeritud varajase hoiatamise süsteemide loomiseks.

Praktilised järeldused tulevikuks

Kuigi Groundsource'i andmestik on eelkõige tööriist teadlastele ja meteoroloogidele, jõuab selle mõju lõpuks ka tavalise nutitelefoni kasutajani. Siin on see, mida see muutus prognoosimises lähitulevikus tähendab:

• Hüper-lokaalsed hoiatused: Oodake, et üleujutuste hoiatused muutuvad täpsemaks. Maakonnaülese jälgimise asemel võite saada teavituse konkreetse naabruskonna või teelõigu kohta.
• Parem linnaplaneerimine: Linnaplaneerijad saavad kasutada neid ajaloolisi andmeid, et tuvastada "kuumi kohti", mida uudised on aastaid esile tõstnud, kuid mida pole ametlikult hüdroloogilistesse andmebaasidesse kantud.
• Kindlustus ja riskianalüüs: Täpsemad ajaloolised andmed muudavad tõenäoliselt üleujutuskindlustuse hinnastamist ja riskide hindamist varem jälgimata piirkondades.
• Tehisintellekt kui mitmeotstarbeline tööriist: See projekt tõestab, et suured keelemudelid ei ole mõeldud ainult e-kirjade kirjutamiseks või koodi genereerimiseks; need on võimsad tööriistad maailma "segase" teabe organiseerimiseks teaduslikeks andmestikeks.

Tee edasi

Google'i otsus jagada Groundsource'i uuringut ja andmestikku avalikult tähistab nihet koostööpõhise kliima-tehisintellekti suunas. Pakkudes varem puudunud "põhitõde", kutsuvad nad globaalset teadusringkonda neid mudeleid täiustama.

Kuna kliimamuutused suurendavad äärmuslike ilmastikuolude sagedust ja intensiivsust, muutub võime ennustada ettearvamatut ellujäämise küsimuseks. Õpetades tehisintellekti uudiseid lugema, anname sellele lõpuks vajaliku konteksti, et näha üleujutuste tulekut enne, kui vesi tõusma hakkab.

Allikad

• Google Research: Official Blog and Publications
• World Meteorological Organization: Flash Flood Statistics and Impact
• Nature: Advancements in AI for Hydrological Modeling