由于突发且局部的特性，山洪暴发长期以来一直是全球天气预报中的“幽灵”灾害。今天，谷歌宣布通过一种创新方法解决了这一挑战：利用大型语言模型从新闻报道中挖掘非结构化数据，成功构建了全球洪水预测系统。
传统的深度学习模型常因缺乏历史气象数据而难以在偏远地区运行。谷歌研究团队改变了方法，利用其阅读理解能力，全面分析了全球超过500万篇新闻报道。
- 数据转换：该模型从新闻中提取了260万条洪水事件记录，并将这些定性描述转化为带有地理标签和时间戳的定量数据，形成了一个名为“Groundsource”的独特数据集。
- 模型训练：基于这一“地面真实”，研究人员训练了一个LSTM神经网络模型，能够利用全球天气预报数据预测特定区域的山洪暴发概率。
谷歌灾难韧性项目负责人表示，Groundsource数据集最重要的意义在于其“平衡”。
- 服务脆弱地区：对于无法负担昂贵气象雷达系统或缺乏完整气象记录的国家和地区，该模型提供了低成本的预警解决方案。
- 现场验证：目前，谷歌已为150个国家的城市地区标注了风险等级。南部非洲发展共同体官员证实，该模型显著提升了当地对洪水的响应速度。
尽管模型在分辨率（20公里）和实时雷达能力方面仍有提升空间，但这种从定性文本信息构建定量数据集的方法，开启了灾害预防和减灾的新范式。谷歌团队表示，他们计划将这项技术扩展到其他短暂但致命的自然灾害，如热浪和泥石流。
通过将人工智能的语言理解能力转化为现实世界的预警能力，谷歌不仅展示了技术局限，也为全球灾害预防和减灾工作贡献了更具包容性的技术力量。
