谷歌利用历史新闻数据和人工智能来预测山洪暴发

山洪暴发是地球上最致命的气象现象之一,每年夺走超过5000人的生命。此外,山洪暴发的预报也素来极具挑战性。然而,谷歌认为自己已找到解决这一问题的创新方案:通过分析新闻报道。
尽管人类已积累了海量的气象数据,但山洪暴发持续时间极短且具有局部性,无法像长期追踪的温度或河流流量趋势那样进行系统测量。这种数据缺失阻碍了深度学习模型——即便它们在一般天气预测方面日益精进——准确预报山洪暴发。
为弥合这一差距,谷歌研究人员利用该公司的大型语言模型Gemini,筛选了500万篇全球新闻报道。该过程识别出260万起独立洪水事件的报道,并将其转化为一个名为“Groundsource”的地理标签时间线。据谷歌研究产品经理吉拉·洛伊克(Gila Loike)介绍,这是该公司首次将语言模型用于此类目的。该研究及数据集已于周四上午向公众发布。
研究团队以“Groundsource”作为现实世界基准,基于长短期记忆(LSTM)神经网络训练了一个模型。该模型通过处理全球天气预报,为特定地点的突发性洪水生成概率估算。
谷歌的突发性洪水预报模型目前通过其Flood Hub平台,为150个国家的城市地区识别风险,并将这些数据分享给全球应急响应机构。参与该模型试用的南部非洲发展共同体(SADC)应急响应官员安东尼奥·何塞·贝莱扎表示,该模型显著提升了其组织应对洪水事件的响应速度。
该模型目前确实存在一些局限性。其分辨率相对较低,仅以20平方公里的区域为单位评估风险。此外,其精度也低于美国国家气象局(NWS)的洪水预警系统,部分原因在于该模型未整合本地雷达数据以进行实时降水追踪。
然而,该项目的核心目标是为那些地方政府无力承担昂贵气象监测基础设施或缺乏详细历史气象记录的地区提供解决方案。
“通过汇总数百万份报告,Groundsource数据集有助于重新校准全球风险图,”谷歌韧性团队的项目经理朱丽叶·罗滕伯格解释道,“这使我们能够将分析结果外推至信息匮乏的其他地区。”
罗滕伯格补充道,团队希望这种方法——即利用大型语言模型(LLMs)从定性的书面来源中生成定量数据集——能够应用于其他短暂但关键的预报挑战,例如热浪和泥石流。
Upstream Tech公司首席执行官马歇尔·穆特诺特(Marshall Moutenot)认为,谷歌的工作是推动为人工智能驱动的气象模型汇编数据这一更广泛努力的一部分。该公司利用类似的深度学习技术,为水电公司等客户提供河流流量预报服务。穆特诺特还共同创立了dynamical.org,该组织致力于为研究人员和初创企业整理可用于机器学习的气象数据。
“数据匮乏仍是地球物理学领域最难跨越的障碍之一,”穆特诺指出,“矛盾的是,地球数据虽然过剩,但用于评估的经过验证的地面实测数据却十分短缺。这是获取这些关键数据的一种极具创意的方法。”
相关文章
谷歌推出“Dreambeans”——其迄今为止最奇特的人工智能工具,可将你的生活变成卡通片
负责实验性产品设计的部门 Google Labs 发布了一款面向 iOS 和 Android 平台的新型人工智能应用,它能让你的日常生活焕发活力。向大家介绍 Dreambeans。关于这个名字的由来,稍后将进行说明。这款工具究竟是什么?该应用的产品负责人戈兹德·奥兹努尔(Gozde Oznur)向TechCrunch解释道,其核心理念是整合用户在各类谷歌服务中的数据,从而生成一套由人工智能生成的个
《超人》对大学教育的批判引发了关于在人工智能时代重新定义成长与职业的讨论
在人工智能飞速发展的时代,传统教育和职业规划正面临前所未有的挑战。OpenAI首席执行官萨姆·阿尔特曼(Sam Altman)近日在“Internapalooza”科技实习生活动上发表了一场发人深省的演讲,他认为在当今世界,四年制大学学位已经过时,而两年制高等教育则“恰到好处”。 这一观点重新点燃了关于人工智能时代传统高等教育真正价值的争论。回顾自己的经历,奥特曼提到,他在斯坦福大学就读两年后辍学
携程商务旅行推出人工智能生态系统,涵盖7家行业服务商和17项核心功能
携程商务旅行正式推出“携程商务旅行AI生态系统”,利用大型语言模型从根本上重构企业差旅管理。 这一综合性生态系统涵盖四大核心场景:差旅安排、差旅管理、采购及能力共享。该生态系统推出了七个专业AI助手,分别负责差旅问答、行程预订、审批、数据洞察、合规风险控制、财务结算及资源采购,标志着行业正从数字化管理向自动化、AI助手驱动的时代转型。从战略层面看,携程商务旅行业务采取开放的“打破壁垒”策略,通过开
相关专题推荐
评论 (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. 🌊🤔

山洪暴发是地球上最致命的气象现象之一,每年夺走超过5000人的生命。此外,山洪暴发的预报也素来极具挑战性。然而,谷歌认为自己已找到解决这一问题的创新方案:通过分析新闻报道。
尽管人类已积累了海量的气象数据,但山洪暴发持续时间极短且具有局部性,无法像长期追踪的温度或河流流量趋势那样进行系统测量。这种数据缺失阻碍了深度学习模型——即便它们在一般天气预测方面日益精进——准确预报山洪暴发。
为弥合这一差距,谷歌研究人员利用该公司的大型语言模型Gemini,筛选了500万篇全球新闻报道。该过程识别出260万起独立洪水事件的报道,并将其转化为一个名为“Groundsource”的地理标签时间线。据谷歌研究产品经理吉拉·洛伊克(Gila Loike)介绍,这是该公司首次将语言模型用于此类目的。该研究及数据集已于周四上午向公众发布。
研究团队以“Groundsource”作为现实世界基准,基于长短期记忆(LSTM)神经网络训练了一个模型。该模型通过处理全球天气预报,为特定地点的突发性洪水生成概率估算。
谷歌的突发性洪水预报模型目前通过其Flood Hub平台,为150个国家的城市地区识别风险,并将这些数据分享给全球应急响应机构。参与该模型试用的南部非洲发展共同体(SADC)应急响应官员安东尼奥·何塞·贝莱扎表示,该模型显著提升了其组织应对洪水事件的响应速度。
该模型目前确实存在一些局限性。其分辨率相对较低,仅以20平方公里的区域为单位评估风险。此外,其精度也低于美国国家气象局(NWS)的洪水预警系统,部分原因在于该模型未整合本地雷达数据以进行实时降水追踪。
然而,该项目的核心目标是为那些地方政府无力承担昂贵气象监测基础设施或缺乏详细历史气象记录的地区提供解决方案。
“通过汇总数百万份报告,Groundsource数据集有助于重新校准全球风险图,”谷歌韧性团队的项目经理朱丽叶·罗滕伯格解释道,“这使我们能够将分析结果外推至信息匮乏的其他地区。”
罗滕伯格补充道,团队希望这种方法——即利用大型语言模型(LLMs)从定性的书面来源中生成定量数据集——能够应用于其他短暂但关键的预报挑战,例如热浪和泥石流。
Upstream Tech公司首席执行官马歇尔·穆特诺特(Marshall Moutenot)认为,谷歌的工作是推动为人工智能驱动的气象模型汇编数据这一更广泛努力的一部分。该公司利用类似的深度学习技术,为水电公司等客户提供河流流量预报服务。穆特诺特还共同创立了dynamical.org,该组织致力于为研究人员和初创企业整理可用于机器学习的气象数据。
“数据匮乏仍是地球物理学领域最难跨越的障碍之一,”穆特诺指出,“矛盾的是,地球数据虽然过剩,但用于评估的经过验证的地面实测数据却十分短缺。这是获取这些关键数据的一种极具创意的方法。”
谷歌推出“Dreambeans”——其迄今为止最奇特的人工智能工具,可将你的生活变成卡通片
负责实验性产品设计的部门 Google Labs 发布了一款面向 iOS 和 Android 平台的新型人工智能应用,它能让你的日常生活焕发活力。向大家介绍 Dreambeans。关于这个名字的由来,稍后将进行说明。这款工具究竟是什么?该应用的产品负责人戈兹德·奥兹努尔(Gozde Oznur)向TechCrunch解释道,其核心理念是整合用户在各类谷歌服务中的数据,从而生成一套由人工智能生成的个
《超人》对大学教育的批判引发了关于在人工智能时代重新定义成长与职业的讨论
在人工智能飞速发展的时代,传统教育和职业规划正面临前所未有的挑战。OpenAI首席执行官萨姆·阿尔特曼(Sam Altman)近日在“Internapalooza”科技实习生活动上发表了一场发人深省的演讲,他认为在当今世界,四年制大学学位已经过时,而两年制高等教育则“恰到好处”。 这一观点重新点燃了关于人工智能时代传统高等教育真正价值的争论。回顾自己的经历,奥特曼提到,他在斯坦福大学就读两年后辍学
携程商务旅行推出人工智能生态系统,涵盖7家行业服务商和17项核心功能
携程商务旅行正式推出“携程商务旅行AI生态系统”,利用大型语言模型从根本上重构企业差旅管理。 这一综合性生态系统涵盖四大核心场景:差旅安排、差旅管理、采购及能力共享。该生态系统推出了七个专业AI助手,分别负责差旅问答、行程预订、审批、数据洞察、合规风险控制、财务结算及资源采购,标志着行业正从数字化管理向自动化、AI助手驱动的时代转型。从战略层面看,携程商务旅行业务采取开放的“打破壁垒”策略,通过开
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. 🌊🤔





首页






