KI nutzt Tweets, um Forschern bei der Analyse von Hochwassersituationen zu helfen

Die bekannten Social-Networking-Seiten von heute wie Facebook, Twitter oder Instagram werden wegen der Negativität, die sie in die Gesellschaft bringen, zunehmend kritisiert, einschließlich Betrug, Falschdarstellung, Identitätsdiebstahl und sogar physischer Angriffe. Benutzerdaten stehlen. Allerdings wäre es unfair, allein deshalb alle Vorzüge dieser Social-Media-Plattformen zu leugnen. Kürzlich hat das zweitgrößte soziale Netzwerk der Welt, Twitter, maßgeblich zum Erfolg eines Forschungsprojekts beigetragen, das große Auswirkungen auf unser Leben hat. Genauer gesagt erschienen kürzlich Informationen über ein auf Arxiv.org veröffentlichtes wissenschaftliches Forschungsprojekt mit dem Titel: „Integrating Social Media into a Pan-European Flood Awareness System: A Multilingual Approach“ (grob übersetzt): Integration sozialer Medien in die europäische Hochwasserwarnung Systeme: Ein mehrsprachiger Ansatz), der einen Ansatz namens Social Media for Flood Risk (SMFR) verwendet, erkennt an, dass er sowohl von Meteorologen als auch von Menschen auf der ganzen Welt große Aufmerksamkeit erhalten hat.

• Bitte hören Sie Rockmusik, die von künstlicher Intelligenz (KI) komponiert wurde.

Dementsprechend haben Wissenschaftler der Gemeinsamen Forschungsstelle – einem Wissenschafts- und Wissensforschungszentrum der Europäischen Kommission – ausführlich beschrieben, wie Echtzeit-Meldeinformationen von Nutzern auf Social-Media-Plattformen (insbesondere Twitter) effektiv zur europäischen Hochwasserwarnung beitragen können System (EFAS).

Tatsächlich basiert diese Arbeit hauptsächlich auf der Inspiration von drei anderen Forschungsprojekten, die zuvor erfolgreich durchgeführt wurden. Bei der ersten handelt es sich um eine im August 2018 von der Harvard University und Google veröffentlichte Studie, die ein KI-Modell beschreibt, das in der Lage ist, den Ort von Nachbeben bis zu einem Jahr nach einem Erdbeben vorherzusagen. Ein großes Erdbeben ereignete sich. Bei der zweiten handelt es sich um eine weitere Studie, die im Dezember von Facebook-KI-Forschern durchgeführt wurde und in der erfolgreich eine Methode zur effektiveren Analyse von Satellitenbildern mithilfe künstlicher intellektueller Modelle entwickelt wurde, die dazu beitragen kann, Schäden durch großflächige Waldbrände und andere Naturkatastrophen besser zu quantifizieren genau. Darüber hinaus haben Wissenschaftler bei Google kürzlich einen retrospektiven Bericht über ein maschinelles Lernsystem veröffentlicht, das Hochwassersituationen an Flüssen mit einer Genauigkeit von bis zu 100 % genau vorhersagen kann. bis zu 75 %.

• Das KI-System von Amazon trägt dazu bei, Spracherkennungsfehler bei Alexa um 15 % zu reduzieren.

In einer anderen verwandten Studie verwendeten Computerexperten im Vereinigten Königreich Algorithmen für maschinelles Lernen, die Tweets nutzten, um Orte zu finden, an denen es während Unruhen zu Gewalt kommen könnte, und es ihnen gleichzeitig zu ermöglichen, relativ genau vorherzusagen, wann es zu großen Protesten kommen könnte, sowie die dahinter stehenden Agitatoren zu identifizieren Die Proteste.

„Im Laufe des letzten Jahrzehnts haben sich soziale Medien zu einer relevanten Informationsquelle über Katastrophen entwickelt, und dies hat Forscher aus vielen Bereichen angezogen. Verschiedene Sektoren sind stärker daran interessiert, wie diese nützliche Informationsquelle genutzt werden kann.“ „Durch praktische Analysen und Auswertungen haben Social-Media-Plattformen großes Potenzial gezeigt, zeitnahe und wertvolle Informationen über Entwicklungen im Zusammenhang mit Raum und Zeit bereitzustellen. Eine Krise oder eine Katastrophe sowie die Identifizierung wichtiger Ereignisse im Zusammenhang mit dieser Katastrophe“, so die Forscher sagte.

Zurück zur neuen EU-Forschung. Falls Sie es nicht wissen: EFAS ist Teil des Copernicus Emergency Management Service (Copernicus EMS) und wird direkt vom Emergency Response Coordination Centre (ERCC) der Europäischen Kommission betrieben. Gleichzeitig ist das ERCC auch Teil der Europäischen Kommission, deren Aufgabe es ist, für humanitäre Hilfe und Schutzmaßnahmen verantwortlich zu sein und koordinierte Reaktionen vor, während und nach Katastrophen zu unterstützen, die sich sowohl innerhalb als auch außerhalb Europas ereigneten. Genauer gesagt besteht die Hauptaufgabe des ERCC darin, potenzielle Gefahren und Risiken zu überwachen, Katastrophendaten zu sammeln und zu analysieren, um Pläne für zeitnahe Unterstützungseinsatzoptionen vorzubereiten. Darüber hinaus wird ERCC auch Prognosen für EFAS bereitstellen – hauptsächlich Sturm- und Überschwemmungsvorhersagen, saisonale Wettervorhersagen sowie Folgenabschätzungen und Frühwarnungen.

• Disneys KI-Modell generiert aus Drehbüchern animierte Sequenzen

Im Allgemeinen ist das Warnsystem der Forscher dafür verantwortlich, festzustellen, wann die Überschwemmungsgefahr in einem bestimmten geografischen Gebiet einen sicheren Schwellenwert überschreitet. Dies brachte das EFAS-Forschungsteam auf die Idee, relevante Daten von sozialen Netzwerken, insbesondere Twitter, zu sammeln, indem bis zu 400 Schlüsselwörter gleichzeitig angepasst und ausgewählt werden.

Allerdings ist das Extrahieren von Tweets mit relevanten Schlüsselwörtern (d. h. Wörtern, die Informationen über eine drohende oder kürzlich eingetretene Überschwemmung enthalten könnten) für Forscher am EFAS keine leichte Aufgabe, da Europa einfach ein großes Gebiet mit einer Bevölkerung von mehr als 741 Millionen Menschen und 27 Millionen Einwohnern ist verschiedene Sprachen gesprochen. Die hier vorgeschlagene Lösung besteht darin, ein mehrsprachiges Klassifizierungssystem zu verwenden. Dieses Klassifizierungssystem verwendet nichtlinguistische mathematische Darstellungen oder Worteinbettungen, um Ähnlichkeiten zwischen Schlüsselwörtern in vier großen europäischen Sprachen abzuleiten: Deutsch, Englisch, Spanisch und Französisch.

Bei diesem System handelt es sich eigentlich um ein Modell für maschinelles Lernen, und um es zu trainieren, mussten Wissenschaftler eine Datenbank mit mehr als 7.000 annotierten Nachrichten verwenden (von 1.200 bis 2.300 Nachrichten für jeden Sprachtyp). In der Zwischenzeit verwendeten sie auch ein separates Modell, um „repräsentative“ Nachrichten (Tweets mit mindestens 90-prozentiger Wahrscheinlichkeit, mit Hochwasser in Zusammenhang zu stehen) für die identifizierten Hochwasserrisikogebiete zu erstellen.

• EU: KI-Systeme sollten auf transparente und verantwortungsvolle Weise aufgebaut und eingesetzt werden

Um die Machbarkeit dieses Ansatzes zu testen, integrierten Wissenschaftler SMFR in EFAS und setzten es bei Überschwemmungen ein, die Kalabrien, Italien, Anfang Oktober 2018 heimsuchten. SMFR erhielt insgesamt 14.347 Tweets, die zwei Tage lang gültig waren. Anschließend wurden entsprechende Analysen durchgeführt. Das Team berichtet, dass die von diesem KI-Modell gefilterten Nachrichten äußerst eng mit realen Überschwemmungssituationen korrelieren und dass dies ein vielversprechender Ansatz für ein System ist, das dazu beitragen kann, die Reaktionszeiten in den frühen Stadien einer Katastrophe erheblich zu verkürzen:

„Im Verlauf einer Katastrophe können die gesammelten Nachrichten für internationale Rettungskoordinatoren äußerst wertvoll sein, da sie dazu beitragen, einen besseren Einblick in die Reaktion, spezifische lokale Reaktionen und über die Situationen zu geben, in denen Menschen, die von einer Katastrophe oder Katastrophenwarnung betroffen sind, wahrscheinlich sind.“ gegenüberstehen. Für zukünftige Forschung können wir uns ein ähnliches System vorstellen, das auf globaler Ebene angewendet wird und Dutzende verschiedener Sprachen abdeckt und gleichzeitig die Verwendung mehrerer Sprachen fördert. Darüber hinaus können verschiedene Social-Media-Plattformen als Datenquellen KI-basierte Vorhersagemodelle auf wirklich effektive Weise unterstützen Weg."