AI はツイートを使用して研究者による洪水状況の分析を支援します

Facebook、Twitter、Instagram などの今日の有名なソーシャル ネットワーキング サイトは、詐欺、虚偽表示、なりすまし、さらには物理的攻撃など、ユーザー データを盗むなど、社会に悪影響を及ぼしているとして、ますます多くの批判にさらされています。しかし、だからといってこれらのソーシャルメディアプラットフォームのメリットをすべて否定するのは不公平です。最近、世界第 2 位のソーシャル ネットワーキング サイトである Twitter が、私たちの生活に大きな影響を与える研究プロジェクトの成功に大きく貢献しました。より具体的には、最近 Arxiv.org に投稿された科学研究プロジェクトに関する情報が「欧州全域の洪水警報システムへのソーシャル メディアの統合: 多言語アプローチ」(大まかに翻訳) というタイトルで掲載されました。システム: 多言語アプローチ) は、洪水リスクのためのソーシャル メディア (SMFR) と呼ばれるアプローチを使用して、気象専門家だけでなく世界中の人々からも多くの注目を集めています。

• 人工知能（AI）が作曲したロック音楽をぜひ聴いてください。

そこで、欧州委員会傘下の科学知識研究センターである共同研究センターの科学者らは、ソーシャルメディアプラットフォーム（特にツイッター）上でユーザーが投稿するリアルタイムの報告情報がどのようにヨーロッパの洪水警報に効果的に役立つかを詳細に説明した。システム (EFAS)。

実際、この作品は主に、以前に成功を収めた他の 3 つの研究プロジェクトからのインスピレーションに基づいて構築されました。1つ目は、ハーバード大学とGoogleが2018年8月に発表した研究で、地震後最大1年までの余震の位置を予測できるAIモデルについて詳しく説明している。2つ目は、12月にFacebookのAI研究者によって実施された別の研究で、知的モデルを通じて衛星画像をより効果的に分析する方法の開発に成功したもので、大規模な森林火災やその他の自然災害による被害を定量化するのに役立つ可能性がある。正確に。さらに、Google の科学者たちは最近、河川の洪水状況を最大 100%、最大 75% の精度で正確に予測できる機械学習システムに関する遡及レポートを発表しました。

• Amazon の AI システムにより、Alexa での音声認識エラーが 15% 削減されました。

別の関連研究では、英国のコンピューター専門家が機械学習アルゴリズムを使用し、ツイートを使用して暴動中に暴力が発生する可能性のある場所を特定すると同時に、大規模な抗議活動がいつ起こるかを比較的正確に予測し、背後にいる扇動者を特定することを可能にしました。抗議活動。

「過去 10 年にわたり、ソーシャル メディアが災害に関する適切な情報源として浮上し、多くの分野の研究者が注目しています。さまざまな分野が、この有用な情報源をどのように活用するかに関心を持っています。実際の分析と評価を通じて、ソーシャルメディアプラットフォームは、空間と時間、危機、またはあらゆる災害に関連する発展に関するタイムリーで貴重な情報を提供し、その災害に関連する重要な出来事を特定するのに役立つという大きな可能性を実証しました」と研究者らは述べた。言った。

新しいEUの研究に戻りましょう。ご存じない方のために説明すると、EFAS はコペルニクス緊急管理サービス (Copernicus EMS) の一部であり、欧州委員会の緊急時対応調整センター (ERCC) によって直接運営されています。同時に、ERCC は欧州委員会の一部でもあり、人道援助と保護活動を担当するとともに、災害の発生前、発生中、発生後の連携した対応を支援するために設立されました。より具体的には、ERCC の主なタスクは、潜在的な危険とリスクを監視し、災害データを収集および分析して、タイムリーなサポート展開オプションの計画を準備することです。さらに、ERCC は、主に暴風雨予報、季節天気予報、影響評価や早期警報など、EFAS の予報も提供します。

• ディズニーの AI モデルはスクリプトからアニメーション シーケンスを生成します

一般に、研究者の警報システムは、特定の地理的領域における洪水の危険性が安全な閾値を超える時期を判断する役割を担っています。これにより、EFAS 研究チームは、同時に最大 400 個のキーワードを調整して選択することで、ソーシャル ネットワーキング サイト、特に Twitter から関連データを収集するというアイデアを思いつきました。

しかし、EFAS の研究者にとって、関連するキーワード (つまり、差し迫った洪水や最近発生した洪水に関する情報を示す単語) を含むツイートを抽出するのは簡単な作業ではありません。なぜなら、ヨーロッパは人口 7 億 4,100 万人以上、人口 27 人を超える広大な地域だからです。さまざまな言語が話されています。ここで提案される解決策は、多言語分類システムを使用することです。この分類システムは、非言語的な数学的表現、つまり単語の埋め込みを使用して、ヨーロッパの 4 つの主要言語 (ドイツ語、英語、スペイン語) とフランス語のキーワード間の類似性を推測します。

このシステムは実際には機械学習モデルであり、これをトレーニングするために、科学者は 7,000 を超える注釈付きメッセージ (言語タイプごとに 1,200 ～ 2,300 のメッセージ) を含むデータベースを使用する必要がありました。一方で、事前に予測された洪水リスク地域の「代表的な」メッセージ（少なくとも 90% の確率で洪水関連のツイート）を生成するために別のモデルも使用しました。

• EU: AI システムは透明性のある責任ある方法で構築および導入されるべきである

このアプローチの実現可能性をテストするために、科学者たちは SMFR を EFAS に統合し、2018 年 10 月初旬にイタリアのカラブリア州を襲った洪水の際に導入しました。取得した SMFR の合計 14,347 件のツイートは 2 日間有効であり、その後、関連する分析が実施されました。研究チームは、この AI モデルによってフィルタリングされたメッセージは現実の洪水状況と非常に密接に相関しており、これは災害の初期段階での応答時間を大幅に短縮するシステムに向けた有望なスタートであると報告しています。

「いかなる災害の過程においても、収集されたメッセージは国際救助コーディネーターにとって非常に貴重なものとなる可能性があります。なぜなら、それらのメッセージは、地域の具体的な対応や、災害や災害警報によって影響を受ける人々が起こり得る状況について、より深い洞察を得るのに役立つからです」顔に。将来の研究では、同様のシステムを地球規模で適用し、複数の言語の使用を促進しながら、数十の異なる言語をカバーすることを想定できます。さらに、データソースとしてのさまざまなソーシャルメディアプラットフォームは、AIベースの予測モデルに真に効果的な情報を提供できます。方法。"