Google 運用歷史新聞資料與人工智慧來預測山洪暴發

山洪暴發是地球上最致命的氣象現象之一,每年奪走超過 5,000 條人命。此外,山洪暴發也以難以預測而聞名。然而,Google 相信已為此問題找到了一種嶄新的解決方案:透過分析新聞報導。
儘管人類已累積了海量的氣象數據,但與可長期追蹤的氣溫或河流流量趨勢不同,山洪暴發因發生時間過短且範圍局限,難以進行系統性測量。這種數據缺口使得深度學習模型——即使在一般天氣預測方面日益精進——仍難以準確預測山洪暴發。
為彌補此缺口,Google 研究人員運用該公司的大型語言模型「Gemini」,篩選了 500 萬篇全球新聞報導。此過程識別出 260 萬起獨特的洪水事件報導,並將其轉化為名為「Groundsource」的地理標記時間軸。根據 Google Research 產品經理 Gila Loike 的說法,這是該公司首次將語言模型用於此類目的。相關研究與資料集已於週四上午公開。
研究團隊以「Groundsource」作為現實世界的基準,訓練了一個基於長短期記憶(LSTM)神經網路的模型。該模型透過處理全球天氣預報,針對特定地點生成山洪暴發的發生機率估算。
Google 的山洪預報模型現已透過其 Flood Hub 平台,為 150 個國家的都市地區識別風險,並將這些資料分享給全球的緊急應變機構。曾參與該模型試用的南部非洲發展共同體(SADC)緊急應變官員安東尼奧·何塞·貝萊薩(António José Beleza)表示,該模型顯著提升了其組織對洪水事件的應變速度。
該模型目前確實存在一些限制。其解析度相對較粗,僅以 20 平方公里的區域為單位評估風險。此外,其精確度也低於美國國家氣象局(NWS)的洪水警報系統,部分原因在於它未整合當地雷達數據以進行即時降水追蹤。
然而,該專案的核心目標在於為那些地方政府缺乏資源建置昂貴氣象感測基礎設施,或缺乏詳細歷史氣象紀錄的地區,提供解決方案。
「透過彙整數百萬份報告,Groundsource 資料集有助於重新平衡全球風險地圖,」Google 韌性團隊的專案經理茱莉葉·羅森伯格(Juliet Rothenberg)解釋道。「這使我們能將洞察推演至資訊極度匱乏的其他地區。」
羅滕伯格補充道,團隊希望這種方法——利用大型語言模型(LLMs)從定性的文字來源中生成定量數據集——能應用於其他短暫但關鍵的預報挑戰,例如熱浪和泥石流。
Upstream Tech 執行長馬歇爾·穆特諾特(Marshall Moutenot)認為,Google 的這項工作是為 AI 驅動的氣象模型彙編數據的更廣泛推動的一部分。該公司運用類似的深度學習技術,為水力發電公司等客戶進行河流流量預測。穆特諾特同時也是 dynamical.org 的共同創辦人,該組織專門為研究人員和新創公司整理可供機器學習使用的氣象數據。
「數據匱乏仍是地球物理學面臨的最艱鉅障礙之一,」莫特諾指出。「矛盾的是,地球數據雖過於充沛,但用於評估的經驗證地面實測數據卻嚴重不足。這是一種極具創意的獲取關鍵數據的方法。」
相關文章
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統
Anthropic 將 Claude AI 編碼工具擴充套件至日本,以推動海外增長
Anthropic,一家美國知名的人工智慧公司,正加強其全球推廣力度。週三,該公司在東京舉辦了一場大型開發者活動“Code with Claude”,吸引了近500名軟體工程師參加。該舉措旨在積極將Claude AI工具及相關產品引入日本市場,強調其自主編碼能力在提升企業生產力方面的核心優勢。強調自動化程式碼生成在活動中,Anthropic展示了其先進的自主編碼系統,該系統能夠獨立處理複雜的程式設計任務並最佳化現有程式碼結構。隨著全球對高效開發工具的需求不斷增長,Anthropic希望透過此類活動加強
相關專題推薦
評論 (2)
0/500
So Google's basically using old news articles to predict floods? That's wild. I mean, if it works, it could save thousands of lives, but I wonder how much historical data is actually reliable when weather patterns are changing so fast. 🌊🤔

山洪暴發是地球上最致命的氣象現象之一,每年奪走超過 5,000 條人命。此外,山洪暴發也以難以預測而聞名。然而,Google 相信已為此問題找到了一種嶄新的解決方案:透過分析新聞報導。
儘管人類已累積了海量的氣象數據,但與可長期追蹤的氣溫或河流流量趨勢不同,山洪暴發因發生時間過短且範圍局限,難以進行系統性測量。這種數據缺口使得深度學習模型——即使在一般天氣預測方面日益精進——仍難以準確預測山洪暴發。
為彌補此缺口,Google 研究人員運用該公司的大型語言模型「Gemini」,篩選了 500 萬篇全球新聞報導。此過程識別出 260 萬起獨特的洪水事件報導,並將其轉化為名為「Groundsource」的地理標記時間軸。根據 Google Research 產品經理 Gila Loike 的說法,這是該公司首次將語言模型用於此類目的。相關研究與資料集已於週四上午公開。
研究團隊以「Groundsource」作為現實世界的基準,訓練了一個基於長短期記憶(LSTM)神經網路的模型。該模型透過處理全球天氣預報,針對特定地點生成山洪暴發的發生機率估算。
Google 的山洪預報模型現已透過其 Flood Hub 平台,為 150 個國家的都市地區識別風險,並將這些資料分享給全球的緊急應變機構。曾參與該模型試用的南部非洲發展共同體(SADC)緊急應變官員安東尼奧·何塞·貝萊薩(António José Beleza)表示,該模型顯著提升了其組織對洪水事件的應變速度。
該模型目前確實存在一些限制。其解析度相對較粗,僅以 20 平方公里的區域為單位評估風險。此外,其精確度也低於美國國家氣象局(NWS)的洪水警報系統,部分原因在於它未整合當地雷達數據以進行即時降水追蹤。
然而,該專案的核心目標在於為那些地方政府缺乏資源建置昂貴氣象感測基礎設施,或缺乏詳細歷史氣象紀錄的地區,提供解決方案。
「透過彙整數百萬份報告,Groundsource 資料集有助於重新平衡全球風險地圖,」Google 韌性團隊的專案經理茱莉葉·羅森伯格(Juliet Rothenberg)解釋道。「這使我們能將洞察推演至資訊極度匱乏的其他地區。」
羅滕伯格補充道,團隊希望這種方法——利用大型語言模型(LLMs)從定性的文字來源中生成定量數據集——能應用於其他短暫但關鍵的預報挑戰,例如熱浪和泥石流。
Upstream Tech 執行長馬歇爾·穆特諾特(Marshall Moutenot)認為,Google 的這項工作是為 AI 驅動的氣象模型彙編數據的更廣泛推動的一部分。該公司運用類似的深度學習技術,為水力發電公司等客戶進行河流流量預測。穆特諾特同時也是 dynamical.org 的共同創辦人,該組織專門為研究人員和新創公司整理可供機器學習使用的氣象數據。
「數據匱乏仍是地球物理學面臨的最艱鉅障礙之一,」莫特諾指出。「矛盾的是,地球數據雖過於充沛,但用於評估的經驗證地面實測數據卻嚴重不足。這是一種極具創意的獲取關鍵數據的方法。」
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統
Anthropic 將 Claude AI 編碼工具擴充套件至日本,以推動海外增長
Anthropic,一家美國知名的人工智慧公司,正加強其全球推廣力度。週三,該公司在東京舉辦了一場大型開發者活動“Code with Claude”,吸引了近500名軟體工程師參加。該舉措旨在積極將Claude AI工具及相關產品引入日本市場,強調其自主編碼能力在提升企業生產力方面的核心優勢。強調自動化程式碼生成在活動中,Anthropic展示了其先進的自主編碼系統,該系統能夠獨立處理複雜的程式設計任務並最佳化現有程式碼結構。隨著全球對高效開發工具的需求不斷增長,Anthropic希望透過此類活動加強
So Google's basically using old news articles to predict floods? That's wild. I mean, if it works, it could save thousands of lives, but I wonder how much historical data is actually reliable when weather patterns are changing so fast. 🌊🤔





首頁






