สรุปโดยย่อ
- กูเกิลสร้างชุดข้อมูลน้ำท่วมฉับพลันที่ใหญ่ที่สุดเท่าที่เคยมีมา โดยใช้ Gemini ค้นหาข้อมูลจากรายงานข่าวทั่วโลกตลอดสองทศวรรษที่ผ่านมา
- ชุดข้อมูลนี้ขับเคลื่อนโมเดล AI ที่สามารถทำนายอุทกภัยฉับพลันในเมืองล่วงหน้าได้สูงสุด 24 ชั่วโมง
- ระบบนี้เติมเต็มช่องว่างข้อมูลสำคัญที่เคยเป็นอุปสรรคใหญ่ในการพยากรณ์น้ำท่วมฉับพลัน
น้ำท่วมฉับพลันคร่าชีวิตผู้คนหลายพันคนในแต่ละปี เกิดขึ้นอย่างรวดเร็ว ส่งผลกระทบต่อเมืองเป็นอันดับแรก และเป็นเวลาหลายทศวรรษที่นักวิทยาศาสตร์แทบไม่มีวิธีใดที่จะคาดการณ์ล่วงหน้าได้ เนื่องจากข้อมูลสำหรับฝึกโมเดลทำนายยังไม่มีอยู่จริง
เมื่อวันพฤหัสบดีที่ผ่านมา กูเกิลประกาศว่าพบทางแก้ปัญหานั้นแล้ว—โดยการอ่านข่าว
บริษัทเปิดตัว Groundsource ระบบที่ใช้ Gemini AI ค้นหาข้อมูลจากข่าวสารนับล้านฉบับที่เผยแพร่ตั้งแต่ปี 2000 ดึงข้อมูลอ้างอิงถึงเหตุการณ์น้ำท่วม และเชื่อมโยงแต่ละเหตุการณ์กับตำแหน่งและวันที่ ผลลัพธ์คือชุดข้อมูลน้ำท่วมฉับพลันในประวัติศาสตร์จำนวน 2.6 ล้านเหตุการณ์ ครอบคลุมกว่า 150 ประเทศ และเปิดให้ทุกคนดาวน์โหลดและใช้งานได้แล้วในตอนนี้
ชุดข้อมูลนี้ถูกนำไปใช้ฝึกโมเดล AI ใหม่ที่สามารถทำนายได้ว่าน้ำท่วมฉับพลันจะเกิดขึ้นในพื้นที่เมืองในอีก 24 ชั่วโมงข้างหน้าได้หรือไม่ การทำนายเหล่านี้ตอนนี้ใช้งานได้บน Flood Hub ของกูเกิล ซึ่งเป็นแพลตฟอร์มเดียวกับที่บริษัทใช้แจ้งเตือนผู้คนประมาณ 2 พันล้านคนทั่วโลกเกี่ยวกับน้ำท่วมในแม่น้ำ
ปัญหาที่ Groundsource กำลังแก้ไขนั้นค่อนข้างง่าย Rivers มีเครื่องวัดระดับน้ำ—เซ็นเซอร์ที่ตั้งอยู่ในน้ำและบันทึกระดับน้ำมานานหลายทศวรรษ นั่นคือวิธีที่นักพยากรณ์เรียนรู้ที่จะทำนายเมื่อแม่น้ำจะล้นฝั่ง แต่ถนนในเมืองไม่มีอุปกรณ์แบบนั้น เมื่อฝนตกหนักและทำให้ระบบระบายน้ำล้น น้ำท่วมจึงเกิดขึ้นอย่างรวดเร็วและในพื้นที่จำกัดเกินกว่าจะติดตามด้วยเครื่องมือแบบเดิม
โดยไม่มีบันทึกประวัติศาสตร์ คุณจึงไม่สามารถฝึกโมเดล AI ให้รู้จักรูปแบบได้ วิธีแก้ของกูเกิลคือการใช้ข่าวสารเป็นเซ็นเซอร์ที่ขาดหายไป
“โดยการเปลี่ยนข้อมูลสาธารณะให้เป็นข้อมูลเชิงปฏิบัติ เราไม่ได้แค่วิเคราะห์อดีต แต่กำลังสร้างอนาคตที่ยั่งยืนและแข็งแกร่งขึ้นสำหรับทุกคน เพื่อเป้าหมายที่ว่าไม่มีใครต้องประหลาดใจจากภัยธรรมชาติ” กูเกิลกล่าว
ที่มา: กูเกิล
หลังจากกรองโฆษณา เมนูนำทาง และข้อมูลซ้ำซ้อน รวมถึงแปลบทความจากภาษาอื่นเป็นภาษาอังกฤษ ทีมงานได้เปลี่ยนคำอธิบายข้อความจำนวนมากให้เป็นข้อมูลชุดเวลาที่สะอาดและมีตำแหน่งทางภูมิศาสตร์ โมเดลที่ฝึกด้วยข้อมูลนี้ใช้เครือข่ายประสาท LSTM ซึ่งเป็น AI ชนิดหนึ่งที่ออกแบบมาเพื่อประมวลผลลำดับข้อมูลตามเวลา เพื่อรับข้อมูลพยากรณ์อากาศรายชั่วโมงพร้อมกับปัจจัยท้องถิ่น เช่น ความหนาแน่นของเมือง อัตราการดูดซึมของดิน และภูมิประเทศ จากนั้นจะส่งสัญญาณง่ายๆ คือ ความเสี่ยงน้ำท่วมระดับกลางหรือสูงในอีก 24 ชั่วโมงข้างหน้า สำหรับพื้นที่เมืองใดก็ตามที่มีความหนาแน่นประชากรมากกว่า 100 คนต่อตารางกิโลเมตร
ระบบนี้มีข้อจำกัดอยู่บ้าง มันครอบคลุมพื้นที่ประมาณ 20 ตารางกิโลเมตรในแต่ละครั้ง ไม่สามารถบอกได้ว่าน้ำท่วมจะรุนแรงแค่ไหน และอาจทำงานได้ไม่ดีในพื้นที่ที่ข่าวสารน้อย
อย่างไรก็ตาม ผลลัพธ์เบื้องต้นก็เป็นที่น่าตื่นเต้น หน่วยงานภัยพิบัติในแอฟริกาใต้ได้รับการแจ้งเตือนจาก Flood Hub ในช่วงระยะเบต้า ยืนยันว่ามีเหตุการณ์น้ำท่วมจริงบนพื้นดิน และส่งเจ้าหน้าที่มนุษยธรรมไปจัดการตอบสนอง ตามคำกล่าวของ Juliet Rothenberg ผู้อำนวยการด้านความสามารถในการรับมือวิกฤตของกูเกิล “เส้นทางตั้งแต่การทำนายใน Flood Hub ไปจนถึงการลงพื้นที่จริงคือสิ่งที่ Flood Hub ถูกสร้างขึ้นมาเพื่อ”
