谷歌利用旧新闻报道和AI预测山洪灾害
谷歌研究人员通过其大型语言模型Gemini分析全球500万篇新闻报道，提取出260万起洪水事件，构建名为“Groundsource”的地理标记时间序列数据集。基于该数据集，谷歌训练了一个基于长短期记忆（LSTM）神经网络的模型，用于结合全球天气预报生成特定区域发生山洪的概率。
该模型目前已在150个国家的城市地区通过Flood Hub平台提供风险预警，并向全球应急响应机构共享数据。南非发展共同体的应急响应官员António José Beleza表示，该模型帮助其组织更快速响应洪水事件。
尽管模型分辨率较低，仅能识别20平方公里范围内的风险，且未整合本地雷达数据，导致精度不如美国国家气象局的洪水预警系统，但其设计初衷是服务于缺乏气象基础设施或历史数据的地区。
谷歌韧性团队项目经理Juliet Rothenberg表示，通过聚合数百万份报道，Groundsource数据集有助于“重新平衡全球数据地图”，并可推广至热浪、泥石流等其他瞬时但重要的灾害预测领域。
Upstream Tech公司CEO Marshall Moutenot评价称，谷歌的这一方法是应对地球物理学中“数据稀缺”难题的创造性突破，其工作与dynamical.org等组织推动的机器学习天气数据集建设相呼应。
编辑点评
谷歌此次将新闻报道与AI结合用于山洪预测，标志着人工智能在气候灾害预警领域的重大突破。传统气象模型依赖密集的传感器网络与历史数据，但在发展中国家或偏远地区往往数据匮乏。谷歌通过挖掘全球新闻报道中的洪水事件，构建了首个大规模、地理标记的灾害时间序列数据集“Groundsource”，有效填补了数据空白。这一方法不仅提升了预测能力，更体现了AI在公共安全领域的普惠价值，尤其对基础设施薄弱的地区具有重要意义。未来，该技术可扩展至热浪、泥石流等其他极端天气事件，可能重塑全球灾害预警体系。同时，该成果也引发对数据来源可靠性和新闻报道偏倚的讨论——新闻报道本身可能受媒体覆盖范围影响，存在“信息盲区”，需后续数据校正与模型优化。总体而言，这一创新代表了AI驱动的公共安全基础设施建设新范式，对全球气候适应能力提升具有长期战略意义。