Google正在使用旧新闻报道和人工智能来预测山洪

山洪暴发是世界上最致命的天气事件之一，每年造成5,000多人死亡。它们也是最难预测的。但Google认为它已经以一种不太可能的方式解决了这个问题——通过阅读新闻。

虽然人类已经收集了大量的天气数据，但山洪暴发的持续时间太短，且局限于局部，无法像监测温度甚至河流流量那样随时间变化进行全面测量。这种数据差距意味着预测天气能力越来越强的深度学习模型无法预测山洪。

为了解决这个问题，Google研究人员使用Gemini——Google的大型语言模型——对来自世界各地的500万篇新闻文章进行排序，分离出260万篇不同洪水的报告，并将这些报告转换成一个被称为“Groundsource”的地理标记时间序列。 Google研究产品经理Gila Loike表示，这是该公司首次将语言模型用于此类工作。该研究和数据集于周四上午公开共享。

以Groundsource作为现实世界的基线，研究人员训练了一个基于长短期记忆 (LSTM) 神经网络的模型，以获取全球天气预测并生成给定区域发生山洪的概率。

Google的山洪预报模型目前在该公司的洪水中心平台上强调了150个国家城市地区的风险，并与世界各地的应急响应机构共享其数据。南部非洲发展共同体的应急响应官员安东尼奥·何塞·贝莱萨 (António José Beleza) 尝试了Google的预测模型，他表示这有助于他的组织更快地应对洪水。

该模型仍然存在局限性。其一，它的分辨率相当低，只能识别20平方公里区域的风险。它不像美国国家气象局的洪水警报系统那么精确，部分原因是Google的模型没有纳入本地雷达数据，而本地雷达数据可以实时跟踪降水。

不过，部分原因在于，该项目旨在在地方政府无力投资昂贵的天气传感基础设施或没有大量气象数据记录的地方开展工作。