Google ensinou a AI a prever inundações com antigas reportagens de jornal

Google desenvolveu uma abordagem não convencional para prever enchentes repentinas: em vez de infraestrutura cara de sensores, a empresa utiliza relatórios de notícias em arquivo como fonte de dados históricos. Um modelo de linguagem converte descrições textuais qualitativas de desastres naturais em métricas quantitativas adequadas para treinar modelos hidrológicos. O problema que este método resolve é bem conhecido entre climatologistas.

Modelos precisos de previsão de enchentes exigem séries de dados de múltiplos anos sobre níveis de água, precipitação e topografia. Mas na maioria dos países em desenvolvimento, onde as enchentes são mais letais, tal infraestrutura simplesmente não existe. Sensores custam dinheiro, exigem manutenção e eletricidade — tudo isso em oferta insuficiente nas regiões vulneráveis.

Ainda assim, informações históricas sobre enchentes existem — em arquivos de jornais, relatórios de publicações locais e comunicados governamentais. O problema é que esses dados são qualitativos: "uma enchente severa inundou três aldeias" — esse não é um número com o qual um modelo tradicional possa trabalhar. Google propôs usar um LLM como um tradutor: o modelo lê texto histórico e extrai dele estimativas numéricas estruturadas da escala, duração e geografia do evento.

As séries numéricas sintéticas resultantes são então utilizadas para treinar um modelo de previsão de enchentes. Essencialmente, o jornalismo de arquivo torna-se substituto para décadas de medições instrumentais. Esta é uma forma fundamentalmente nova de lidar com a escassez de dados em tarefas climáticas — uma abordagem potencialmente aplicável muito além da hidrologia.

Google já está testando o sistema em regiões da África e Sul da Ásia, onde avisos de enchentes são praticamente inexistentes. A empresa vem desenvolvendo sua iniciativa Flood Hub desde 2023, cobrindo atualmente mais de 80 países. O novo método deve expandir a cobertura para territórios que anteriormente permaneceram fora da área de previsão devido à ausência de dados numéricos históricos.

Este é um exemplo instrutivo de como LLMs estão mudando a própria estrutura dos dados científicos. Anteriormente, a fronteira entre "ter dados" e "não ter dados" era determinada pela disponibilidade de equipamento de medição. Agora essa fronteira pode ser estendida usando modelos de linguagem que conseguem extrair informações quantitativas ocultas de textos escritos sem qualquer propósito científico.