谷歌推出了一项突破性举措，将人工智能与历史新闻相结合，用于预测自然界中最难以捉摸和最具破坏性的现象之一：山洪。这项创新方法利用其 Gemini 大型语言模型，对数百万份旧新闻报道进行再利用，旨在填补关键数据空白，并在 150 多个国家/地区提供可挽救生命的早期预警。本周公开发布的这项开发成果，代表着技术如何利用非结构化数据来实现全球公共安全的重大转变。
**谷歌AI应对山洪预测挑战**
山洪是世界上最致命的天气事件之一，据全球气象组织称，每年造成 5,000 多人死亡。它们的突发性和高度局部性使得使用传统方法进行预测非常困难。因此，虽然深度学习模型彻底改变了更广泛的天气预测，但由于缺乏全面、精细的历史数据，它们一直在与山洪作斗争。
谷歌研究公司的产品经理 Gila Loike 表示：“这是我们首次将语言模型用于这种特定类型的地球物理数据创建。”该团队公开分享了研究和 Groundsource 数据集，标志着对灾害准备中开放科学的承诺。
**Groundsource 数据如何为新的预测模型提供支持**
Groundsource 的创建提供了先前山洪分析中缺失的必要真实世界基线。借助这个新的数据集，研究人员训练了一个基于长短期记忆 (LSTM) 神经网络架构的专用模型。该模型摄取全球天气预报数据，并输出特定区域内发生山洪的概率。
**实际影响和专家验证**
该系统的价值已在试点区域中实现。南部非洲发展共同体的应急响应官员 António José Beleza 参与了与 Google 的试验。他报告说，该预测模型使他的组织能够更迅速有效地应对洪水威胁。
行业专家认识到谷歌方法论的意义。Upstream Tech 的首席执行官 Marshall Moutenot 评论了核心挑战，该公司使用类似的 AI 进行河流流量预测。“数据稀缺是地球物理学中最困难的障碍之一，”Moutenot 解释说。“通常要么有太多的原始地球数据，要么没有足够的经过验证的‘地面实况’用于模型评估。谷歌挖掘新闻报道的方法是获得关键验证数据的真正创造性的解决方案。”
**解决局限性并专注于全球可访问性**
谷歌的模型并非没有限制。其分辨率目前为 20 平方公里区域，并且缺乏美国国家气象局警报网络等系统的精度，后者受益于