Az AI tweetekkel segíti a kutatókat az árvízi helyzetek elemzésében

Napjaink híres közösségi oldalait, például a Facebookot, a Twittert vagy az Instagramot, egyre több kritika éri a társadalomra hozó negativitás miatt, beleértve a csalást, a félrevezetést, a személyes adatokkal való visszaélést és még a fizikai támadásokat is. Igazságtalan lenne azonban csak emiatt tagadni ezeknek a közösségi médiaplatformoknak az összes érdemét. Az utóbbi időben a világ második legnagyobb közösségi oldala, a Twitter nagyban hozzájárult egy olyan kutatási projekt sikeréhez, amely nagy hatással van az életünkre. Pontosabban, a közelmúltban információ jelent meg egy tudományos kutatási projektről, amelyet az Arxiv.org-on tettek közzé a következő címmel: "A közösségi média integrálása egy páneurópai árvízfigyelő rendszerbe: többnyelvű megközelítés" (nagyjából lefordítva). : A közösségi média integrálása az európai árvízi figyelmeztetésbe. rendszerek: A többnyelvű megközelítés, a Social Media for Flood Risk (SMFR) elnevezésű megközelítést alkalmazva felismeri, hogy nagy figyelmet kapott meteorológiai szakértők, valamint az emberek szerte a világon.

• Kérjük, hallgasson mesterséges intelligencia (AI) által komponált rockzenét.

Ennek megfelelően a Közös Kutatóközpont – az Európai Bizottság alá tartozó tudományos és tudáskutató központ – tudósai részletesen leírták, hogyan teszik közzé a felhasználók valós idejű jelentési információkat. rendszer (EFAS).

Valójában ez a munka főként három másik, korábban sikeresen végrehajtott kutatási projekt inspirációja alapján készült. Az első a Harvard Egyetem és a Google által 2018 augusztusában közzétett kutatás, amely egy olyan mesterséges intelligencia-modellt részletezett, amely képes előre jelezni az utórengések helyét akár egy évvel a földrengés után. Hatalmas földrengés történt. A második a Facebook AI kutatói által decemberben végzett másik tanulmány, amely sikeresen kifejlesztett egy módszert a műholdképek hatékonyabb elemzésére intellektuális modelleken keresztül. Ember alkotta, amely segíthet számszerűsíteni a nagyszabású erdőtüzek és más természeti katasztrófák által okozott károkat. pontosan. Ezenkívül a Google tudósai a közelmúltban retrospektív jelentést tettek közzé egy olyan gépi tanulási rendszerről, amely képes akár 100%-os pontossággal, akár 75%-os pontossággal előre jelezni a folyók áradásait.

• Az Amazon mesterséges intelligencia rendszere 15%-kal csökkenti az Alexa hangfelismerési hibáit.

Egy másik kapcsolódó tanulmányban az Egyesült Királyság számítógépes szakértői gépi tanulási algoritmusokat használtak, amelyek tweetekkel keresték meg azokat a helyeket, ahol erőszak fordulhat elő a zavargások során, miközben lehetővé tették számukra, hogy viszonylag pontosan megjósolják, mikor fordulhatnak elő jelentős tiltakozások, valamint azonosították a mögöttük álló agitátorokat. a tiltakozásokat.

"Az elmúlt évtizedben a közösségi média a katasztrófákkal kapcsolatos releváns információforrássá vált, és ez számos területről vonzotta a kutatókat. A különböző szektorok jobban érdeklődnek az iránt, hogy miként lehet kihasználni ezt a hasznos információforrást. Gyakorlati elemzések és értékelések révén a közösségi média platformok nagy potenciált mutattak a térrel és idővel kapcsolatos fejlemények, krízishelyzetek vagy bármely katasztrófa időbeni és értékes információinak nyújtásában, valamint segítséget nyújtanak az adott katasztrófával kapcsolatos fontos események azonosításában" – írják a kutatók. mondott.

Vissza az új EU-kutatáshoz. Ha nem tudja, az EFAS a Copernicus Emergency Management Service (Copernicus EMS) része, és közvetlenül az Európai Bizottság Vészhelyzet-reagálási Koordinációs Központja (ERCC) üzemelteti. Ugyanakkor az ERCC része az Európai Bizottságnak is, amely a humanitárius segélyezési és védelmi tevékenységekért, valamint az összehangolt válaszlépések támogatásáért felelős az Európán belül és kívül egyaránt bekövetkezett katasztrófák előtt, közben és után. Pontosabban, az ERCC fő feladata a lehetséges veszélyek és kockázatok figyelemmel kísérése, a katasztrófaadatok összegyűjtése és elemzése, hogy terveket készítsen a támogatás időben történő telepítési lehetőségeiről. Ezenkívül az ERCC előrejelzéseket is készít az EFAS számára – elsősorban vihar- és árvíz-előrejelzéseket, szezonális időjárás-előrejelzéseket, valamint hatásvizsgálatokat és korai figyelmeztetéseket.

• A Disney mesterséges intelligencia modellje animált szekvenciákat generál forgatókönyvekből

Általánosságban elmondható, hogy a kutatók figyelmeztető rendszere felelős annak meghatározásáért, hogy egy adott földrajzi területen az árvízveszély mikor lépi túl a biztonságos küszöböt. Ez késztette az EFAS kutatócsoportját arra az ötletre, hogy releváns adatokat gyűjtsenek a közösségi oldalakról, különösen a Twitterről, akár 400 kulcsszó egyidejű beállításával és kiválasztásával.

A releváns kulcsszavakkal (vagyis olyan szavakkal, amelyek egy közelgő vagy nemrégiben bekövetkezett árvízre vonatkozó információkat jelezhetnek) tweetek kinyerése azonban nem könnyű dolga az EFAS kutatóinak, mivel Európa egyszerűen egy nagy terület, több mint 741 millió lakossal és 27 emberrel. különböző nyelveket beszélnek. Az itt javasolt megoldás egy többnyelvű osztályozási rendszer alkalmazása. Ez az osztályozási rendszer nem nyelvi matematikai reprezentációkat vagy szóbeágyazásokat használ, hogy hasonlóságra következtessen a kulcsszavak között négy fő európai nyelven: német, angol és spanyol, valamint francia.

Ez a rendszer valójában egy gépi tanulási modell, és betanításához a tudósoknak több mint 7000 megjegyzéssel ellátott üzenetet tartalmazó adatbázist kellett használniuk (1200-tól 2300-ig minden nyelvtípushoz). nyelv). Eközben egy külön modellt is alkalmaztak „reprezentatív” üzenetek (legalább 90%-os eséllyel árvízzel kapcsolatos tweetek) előállítására az előre megjósolt árvízveszélyes területekre vonatkozóan.

• EU: Az AI-rendszereket átlátható és felelősségteljes módon kell kiépíteni és telepíteni

E megközelítés megvalósíthatóságának tesztelése érdekében a tudósok integrálták az SMFR-t az EFAS-ba, és 2018. október elején telepítették az olaszországi Calabriát sújtó áradások idején. Az SMFR eredménye Összesen 14 347 tweet volt érvényes 2 napig, majd elvégezték a vonatkozó elemzéseket. A csapat jelentése szerint az AI-modell által szűrt üzenetek rendkívül szorosan korrelálnak a valós árvízi helyzetekkel, és ez egy ígéretes kezdet egy olyan rendszer felé, amely jelentősen lerövidítheti a válaszidőt a katasztrófa korai szakaszában:

„Bármilyen katasztrófa során az összegyűjtött üzenetek rendkívül értékesek lehetnek a nemzetközi mentési koordinátorok számára, mivel hozzájárulnak ahhoz, hogy nagyobb betekintést nyújtsanak a reagálásba, a konkrét helyi válaszlépésekbe, valamint a katasztrófa vagy katasztrófa-figyelmeztetés által érintett személyek várható helyzetébe. szembenézni. A jövőbeni kutatásokhoz hasonló, globális szinten alkalmazott, több tucat nyelvet lefedő, több nyelv használatát elősegítő rendszert képzelhetünk el, továbbá a különféle közösségi média platformok, mint adatforrások, valóban hatékonyan tud szolgálni a mesterséges intelligencia alapú előrejelzési modellekkel. út."