שיטפונות בזק נחשבים לאחד מאסונות הטבע הקטלניים בעולם, עם יותר מ-5,000 הרוגים מדי שנה. למרות זאת, הם גם בין התופעות הקשות ביותר לחיזוי, משום שהם מתפתחים במהירות ובאזורים מקומיים מאוד. כעת גוגל טוענת כי מצאה דרך חדשה להתמודד עם האתגר באמצעות בינה מלאכותית וניתוח של דיווחי חדשות.
חוקרי החברה השתמשו במודל השפה הגדול Gemini כדי לסרוק כ-5 מיליון כתבות חדשות מרחבי העולם. מתוך הכתבות הללו הצליח המודל לזהות כ-2.6 מיליון אירועי הצפה שונים ולתרגם אותם למאגר נתונים גאוגרפי-זמני חדש בשם Groundsource.
המאגר החדש מאפשר לראשונה לבנות בסיס נתונים רחב על שיטפונות בזק – תופעה שקשה מאוד למדוד באמצעים מטאורולוגיים מסורתיים, משום שהיא קצרה ומקומית. עד כה, המחסור בנתונים מנע ממודלים מתקדמים של למידת מכונה לחזות את האירועים הללו בצורה אפקטיבית.
לאחר יצירת המאגר אימנו החוקרים מודל חיזוי המבוסס על רשת נוירונים מסוג LSTM, אשר מנתח תחזיות מזג אוויר גלובליות ומחשב את ההסתברות לשיטפון בזק באזור מסוים.
המערכת החדשה כבר שולבה בפלטפורמת Flood Hub של גוגל, והיא מספקת כיום הערכות סיכון לשיטפונות בערים ובאזורים עירוניים בכ־150 מדינות. הנתונים מועברים גם לגופי חירום ותגובה לאסונות ברחבי העולם.
לדברי גורמי חירום בדרום אפריקה שהתנסו במערכת, היא סייעה לשפר את זמן התגובה לאירועי הצפה ולהיערך מוקדם יותר.
עם זאת, למערכת עדיין יש מגבלות. החיזוי נעשה ברזולוציה נמוכה יחסית של אזורים בגודל של כ-20 קמ"ר והיא אינה מדויקת כמו מערכות מתקדמות יותר, למשל זו של שירות מזג האוויר הלאומי בארה"ב משום שאינה משתמשת בנתוני רדאר מקומיים המאפשרים מעקב בזמן אמת אחרי משקעים.
בגוגל מציינים כי אחת המטרות המרכזיות של הפרויקט הייתה דווקא לאפשר חיזוי גם במדינות שאין להן תשתיות מטאורולוגיות מתקדמות או מאגרי נתונים היסטוריים רחבים.
בחברה מעריכים כי השיטה של שימוש במודלי שפה ליצירת מאגרי נתונים כמותיים ממקורות טקסטואליים עשויה לשמש בעתיד גם לחיזוי תופעות נוספות שקשה למדוד באופן ישיר, כמו גלי חום ומפולות בוץ.
