Корпорація Google представила передовий метод прогнозування раптових паводків, використавши потенціал мовної моделі Gemini для аналізу колосального масиву даних — понад 5 мільйонів новинних публікацій за останні роки. На основі вивчених матеріалів була сформована база даних Groundsource — відкрита геоприв’язана часова серія, що містить відомості про 2,6 мільйона інцидентів. Як зазначає керівниця проєктів Google Research Гіла Лойк, це перший випадок успішного застосування великих мовних моделей (LLM) для розв’язання завдань такого типу, передає se7en.ws.
Використовуючи масив Groundsource, фахівці навчили нейронну мережу архітектури LSTM, яка зіставляє глобальні метеорологічні прогнози з локальними ризиками повеней. Система вже інтегрована в платформу Flood Hub, забезпечуючи моніторинг загроз у 150 країнах і передаючи оперативну інформацію екстреним службам.
Антоніу Жозе Белеза, який представляє Співтовариство розвитку Півдня Африки, підтвердив, що впровадження технологій Google дозволило значно прискорити реагування на стихійні лиха.
Наразі точність моделі обмежена роздільною здатністю у 20 км²; вона поки поступається системам, що спираються на локальні радари (наприклад, інструментам Національна метеорологічна служба США). Проте її ключова перевага полягає у здатності ефективно працювати в регіонах, які не мають розвиненої наземної інфраструктури та історичних архівів метеорологічних спостережень.
У Google розраховують, що методика вилучення кількісних показників із текстових джерел за допомогою штучного інтелекту знайде застосування і для прогнозування інших природних катаклізмів, таких як аномальна спека або зсувні процеси.