Introduction
Les crues éclairs sont parmi les événements météorologiques les plus meurtriers au monde, causant plus de 5 000 morts chaque année. Google pense avoir trouvé une solution pour prédire ces événements en utilisant des archives de nouvelles et l'IA.
Contexte Technique
Pour résoudre le problème de la prévision des crues éclairs, les chercheurs de Google ont utilisé le modèle de langage Gemini pour analyser 5 millions d'articles de presse du monde entier, isolant des rapports de 2,6 millions de crues différentes. Ces rapports ont été transformés en une série chronologique géo-étiquetée appelée « Groundsource ». Cette base de données a ensuite été utilisée pour entraîner un modèle de prévision basé sur un réseau de neurones LSTM.
Le modèle de prévision des crues éclairs de Google est désormais capable de mettre en évidence les risques pour les zones urbaines dans 150 pays sur la plateforme Flood Hub de l'entreprise, et partage ses données avec les agences de réponse d'urgence du monde entier.
Analyse et Implications
Le modèle de prévision des crues éclairs de Google présente encore des limites, notamment une résolution relativement basse, identifiant les risques sur des zones de 20 kilomètres carrés. Cependant, ce modèle peut être particulièrement utile dans les régions où les gouvernements locaux ne peuvent pas investir dans des infrastructures de détection météorologique coûteuses ou où les données météorologiques sont rares.
Perspective
L'utilisation de modèles de langage pour développer des ensembles de données quantitatifs à partir de sources qualitatives écrites pourrait être appliquée à d'autres phénomènes importants mais éphémères, tels que les vagues de chaleur et les glissements de terrain. L'approche de Google fait partie d'un effort croissant pour assembler des données pour les modèles de prévision météorologique basés sur l'apprentissage automatique.
