LIA utilise des tweets pour aider les chercheurs à analyser les situations dinondation

Les célèbres sites de réseaux sociaux d'aujourd'hui tels que Facebook, Twitter ou Instagram font de plus en plus face à de nombreuses critiques pour la négativité qu'ils apportent à la société, notamment la fraude, les fausses déclarations, l'usurpation d'identité et même les attaques physiques pour voler les données des utilisateurs. Cependant, il serait injuste de nier tous les mérites de ces plateformes de médias sociaux pour cette seule raison. Récemment, Twitter, le deuxième plus grand site de réseautage social au monde, a grandement contribué au succès d'un projet de recherche qui a un impact considérable sur nos vies. Plus spécifiquement, des informations sont apparues récemment sur un projet de recherche scientifique publié sur Arxiv.org sous le titre : "Intégrer les médias sociaux dans un système paneuropéen de sensibilisation aux inondations : une approche multilingue" (traduit grossièrement). : Intégrer les médias sociaux dans l'alerte aux inondations en Europe systèmes : une approche multilingue), utilisant une approche appelée Social Media for Flood Risk (SMFR), reconnaît qu'elle a reçu beaucoup d'attention de la part des experts en météorologie ainsi que des gens du monde entier.

• Veuillez écouter de la musique rock composée par l'intelligence artificielle (IA).

En conséquence, des scientifiques du Centre commun de recherche - un centre de recherche scientifique et de connaissances relevant de la Commission européenne, ont décrit en détail comment les informations de reporting en temps réel sont publiées par les utilisateurs sur les plateformes de médias sociaux (en particulier Twitter) et peuvent aider efficacement l'alerte européenne aux inondations. système (EFAS).

En fait, ce travail a été construit principalement en s’inspirant de trois autres projets de recherche menés avec succès auparavant. La première est une recherche publiée par l’Université Harvard et Google en août 2018, détaillant un modèle d’IA capable de prédire l’emplacement des répliques jusqu’à un an après un séisme. La seconde est une autre étude menée par des chercheurs de Facebook AI en décembre, qui a réussi à développer une méthode pour analyser plus efficacement les images satellite grâce à des modèles intellectuels créés par l'homme, qui peuvent aider à quantifier les dommages causés par les incendies de forêt à grande échelle ainsi que d'autres catastrophes naturelles. avec précision. Par ailleurs, des scientifiques de Google ont récemment publié un rapport rétrospectif sur un système d'apprentissage automatique capable de prédire avec précision les situations d'inondation des rivières avec une précision allant jusqu'à 75 %.

• Le système d'IA d'Amazon permet de réduire de 15 % les erreurs de reconnaissance vocale sur Alexa.

Dans une autre étude connexe, des experts en informatique au Royaume-Uni ont utilisé des algorithmes d'apprentissage automatique, qui utilisaient des tweets pour trouver des endroits où des violences pourraient survenir lors d'émeutes, tout en leur permettant de prédire avec une relative précision quand de grandes manifestations pourraient avoir lieu, ainsi que d'identifier les agitateurs derrière. les protestations.

"Au cours de la dernière décennie, les médias sociaux sont devenus une source d'information pertinente sur les catastrophes, ce qui a attiré des chercheurs de nombreux domaines. Différents secteurs s'intéressent davantage à la manière de tirer parti de cette source d'information utile. Grâce à une analyse et une évaluation pratiques, les plateformes de médias sociaux ont démontré un grand potentiel pour fournir des informations opportunes et précieuses sur les développements liés à l'espace et au temps, à une crise ou à toute catastrophe, ainsi que pour aider à identifier les événements importants liés à cette catastrophe", ont déclaré les chercheurs. dit.

Retour sur les nouvelles recherches de l’UE. Si vous ne le savez pas, l'EFAS fait partie du service de gestion des urgences Copernicus (Copernicus EMS) et est géré directement par le Centre de coordination des réponses d'urgence (ERCC) de la Commission européenne. Dans le même temps, l’ERCC fait également partie de la Commission européenne, créée pour être responsable des activités d’aide humanitaire et de protection, ainsi que pour soutenir les réponses coordonnées avant, pendant et après les catastrophes survenues à l’intérieur et à l’extérieur de l’Europe. Plus précisément, la tâche principale de l'ERCC est de surveiller les dangers et les risques potentiels, de collecter et d'analyser les données sur les catastrophes afin de préparer des plans pour les options de déploiement de soutien en temps opportun. En outre, l'ERCC fournira également des prévisions à l'EFAS - principalement des prévisions de tempêtes et d'inondations, des prévisions météorologiques saisonnières, ainsi que des évaluations d'impact et des alertes précoces.

• Le modèle d'IA de Disney génère des séquences animées à partir de scripts

De manière générale, le système d'alerte des chercheurs est chargé de déterminer quand le risque d'inondation dans une certaine zone géographique dépasse un seuil de sécurité. Cela a conduit l'équipe de recherche de l'EFAS à avoir l'idée de collecter des données pertinentes sur les sites de réseaux sociaux, notamment Twitter, en ajustant et en sélectionnant jusqu'à 400 mots-clés en même temps.

Cependant, extraire des tweets avec des mots-clés pertinents (c'est-à-dire des mots pouvant indiquer des informations sur une inondation imminente ou récente) n'est pas une tâche facile pour les chercheurs de l'EFAS, car l'Europe est simplement une vaste zone avec une population de plus de 741 millions d'habitants et 27 différentes langues parlées. La solution proposée ici est d'utiliser un système de classification multilingue. Ce système de classification utilisera des représentations mathématiques non linguistiques, ou des incorporations de mots, pour déduire des similitudes entre des mots-clés dans quatre grandes langues européennes : l'allemand, l'anglais, l'espagnol et le français.

Ce système est en réalité un modèle d'apprentissage automatique, et pour l'entraîner, les scientifiques ont dû utiliser une base de données contenant plus de 7 000 messages annotés (de 1 200 à 2 300 messages pour chaque type de langue). Parallèlement, ils ont également utilisé un modèle distinct pour produire des messages « représentatifs » (des tweets ayant au moins 90 % de chances d'être liés aux inondations) pour les zones à risque d'inondation identifiées et prévues à l'avance.

• UE : les systèmes d’IA doivent être construits et déployés de manière transparente et responsable

Pour tester la faisabilité de cette approche, les scientifiques ont intégré le SMFR dans l'EFAS et l'ont déployé lors des inondations qui ont touché la Calabre, en Italie, début octobre 2018. Le SMFR a obtenu un total de 14 347 tweets valides pendant 2 jours, puis des analyses pertinentes ont été menées. L'équipe rapporte que les messages filtrés par ce modèle d'IA sont extrêmement étroitement corrélés aux situations d'inondation réelles, et qu'il s'agit d'un début prometteur vers un système qui peut contribuer à réduire considérablement les temps de réponse dans les premiers stades d'une catastrophe :

"Au cours de toute catastrophe, les messages collectés peuvent être extrêmement précieux pour les coordinateurs internationaux de secours, car ils contribuent à fournir une meilleure compréhension des réponses locales spécifiques et des situations dans lesquelles les personnes touchées par une catastrophe ou une alerte de catastrophe sont susceptibles de se trouver. faire face à. Pour les recherches futures, nous pouvons envisager un système similaire appliqué à l’échelle mondiale, couvrant des dizaines de langues différentes, tout en promouvant l’utilisation de plusieurs langues. En outre, diverses plateformes de médias sociaux en tant que sources de données peuvent éclairer les modèles de prédiction basés sur l’IA de manière vraiment efficace. chemin."