Google علّمت AI التنبؤ بالفيضانات بالاعتماد على تقارير صحفية قديمة

طورت Google نهجاً غير تقليدي للتنبؤ بالفيضانات المفاجئة: بدلاً من البنية التحتية الباهظة الثمن للمستشعرات، تستخدم الشركة التقارير الإخبارية المؤرشفة كمصدر للبيانات التاريخية. يحول نموذج اللغة الأوصاف النصية الكيفية للكوارث الطبيعية إلى مقاييس كمية مناسبة لتدريب النماذج الهيدرولوجية. المشكلة التي يحلها هذا الأسلوب معروفة جيداً لدى خبراء المناخ.

تتطلب النماذج الدقيقة للتنبؤ بالفيضانات سلاسل بيانات متعددة السنوات حول مستويات المياه والهطول والتضاريس. لكن في معظم الدول النامية، حيث تكون الفيضانات الأكثر فتكاً، لا توجد مثل هذه البنية التحتية ببساطة. المستشعرات تكلف المال وتتطلب صيانة وكهرباء — كل هذا نادر في المناطق الضعيفة.

ومع ذلك، المعلومات التاريخية عن الفيضانات موجودة بالفعل — في أرشيفات الصحف وتقارير المنشورات المحلية والبيانات الحكومية. المشكلة هي أن هذه البيانات كيفية: "فيضان شديد غمر ثلاث قرى" — هذا ليس رقماً يستطيع نموذج تقليدي العمل معه. اقترحت Google استخدام نموذج لغة كبير كمترجم: يقرأ النموذج النص التاريخي ويستخرج منه تقديرات عددية منظمة لحجم ومدة وجغرافيا الحدث.

تُستخدم السلاسل العددية الاصطناعية الناتجة بعد ذلك لتدريب نموذج التنبؤ بالفيضانات. بشكل أساسي، تصبح الصحافة المؤرشفة بديلاً لعقود من القياسات الآلية. هذه طريقة جديدة بشكل أساسي للتعامل مع نقص البيانات في المهام المناخية — منهج يمكن تطبيقه بالفعل بعيداً عن الهيدرولوجيا.

تختبر Google بالفعل النظام في مناطق أفريقيا وجنوب آسيا، حيث التنبيهات الخاصة بالفيضانات غير موجودة عملياً. طورت الشركة مبادرة Flood Hub منذ عام 2023، وتغطي حالياً أكثر من 80 دولة. يجب أن تعمل الطريقة الجديدة على توسيع التغطية للأراضي التي بقيت في السابق خارج منطقة التنبؤ بسبب غياب البيانات العددية التاريخية.

هذا مثال معبر عن كيف تغير نماذج اللغة الكبيرة البنية الأساسية للبيانات العلمية. في السابق، كان الحد الفاصل بين "وجود البيانات" و"عدم وجود البيانات" يتحدد بتوفر معدات القياس. الآن يمكن دفع هذا الحد للخلف باستخدام نماذج اللغة التي يمكنها استخراج معلومات كمية مخفية من النصوص المكتوبة بدون أي هدف علمي.