AI는 트윗을 사용하여 연구자들이 홍수 상황을 분석하도록 돕습니다.

오늘날 Facebook, Twitter, Instagram과 같은 유명 소셜 네트워킹 사이트는 사기, 허위 진술, 명의 도용, 심지어 물리적 공격까지 포함하여 사회에 부정적인 영향을 미친다는 이유로 점점 더 많은 비판을 받고 있습니다. 그러나 단지 그것 때문에 이러한 소셜 미디어 플랫폼의 모든 장점을 부정하는 것은 불공평합니다. 최근 세계 2위의 소셜 네트워킹 사이트인 트위터는 우리 삶에 큰 영향을 미치는 연구 프로젝트의 성공에 크게 기여했습니다. 보다 구체적으로, 최근 Arxiv.org에 "소셜 미디어를 범유럽 홍수 인식 시스템에 통합: 다국어 접근 방식"이라는 제목으로 게시된 과학 연구 프로젝트에 대한 정보가 나타났습니다. : 소셜 미디어를 유럽 홍수 경고에 통합 시스템: 다국어 접근 방식)은 SMFR(홍수 위험을 위한 소셜 미디어)이라는 접근 방식을 사용하여 기상 전문가는 물론 전 세계 사람들로부터 많은 관심을 받았습니다.

• 인공지능(AI)이 작곡한 록 음악을 들어보세요.

이에 따라 유럽연합 집행위원회 산하 과학 및 지식 연구 센터인 공동 연구 센터의 과학자들은 사용자가 실시간 보고 정보를 게시하는 방법을 자세히 설명했습니다. 소셜 미디어 플랫폼(특히 트위터)은 유럽 홍수 경고에 효과적으로 도움이 될 수 있습니다. 시스템(EFAS).

사실 이 작품은 주로 이전에 성공적으로 수행되었던 다른 세 가지 연구 프로젝트에서 영감을 받아 제작되었습니다. 첫 번째는 2018년 8월 하버드대학교와 구글이 발표한 연구로, 지진 발생 후 최대 1년까지 여진 위치를 예측할 수 있는 AI 모델을 자세히 설명한 연구다. 두 번째는 지난 12월 페이스북 AI 연구진이 진행한 또 다른 연구로, 지능형 모델을 통해 위성 영상을 보다 효과적으로 분석하는 방법을 개발하는 데 성공했다. 정확히. 또한 Google의 과학자들은 최근 강의 홍수 상황을 최대 100%, 최대 75%의 정확도로 정확하게 예측할 수 있는 기계 학습 시스템에 대한 회고 보고서를 발표했습니다.

• Amazon의 AI 시스템은 Alexa의 음성 인식 오류를 15% 줄이는 데 도움이 됩니다.

또 다른 관련 연구에서 영국의 컴퓨터 전문가들은 트윗을 사용하여 폭동 중에 폭력이 발생할 수 있는 위치를 찾는 동시에 대규모 시위가 발생할 수 있는 시기를 상대적으로 정확하게 예측하고 배후의 선동가를 식별하는 기계 학습 알고리즘을 사용했습니다. 시위.

"지난 10년 동안 소셜 미디어는 재난에 대한 관련 정보 소스로 등장했으며 이는 다양한 분야의 연구자들을 끌어 모았습니다. 다양한 부문에서 이 유용한 정보 소스를 활용하는 방법에 더 많은 관심을 갖고 있습니다. 실제 분석 및 평가를 통해 소셜 미디어 플랫폼은 공간과 시간, 위기 또는 재난과 관련된 발전에 대한 시기적절하고 가치 있는 정보를 제공할 뿐만 아니라 해당 재난과 관련된 중요한 사건을 식별하는 데 도움을 줄 수 있는 큰 잠재력을 보여주었습니다." 말했다.

새로운 EU 연구로 돌아갑니다. 혹시 모르신다면 EFAS는 코페르니쿠스 EMS(Copernicus Emergency Management Service)의 일부이며 유럽연합 집행위원회의 ERCC(Emergency Response Coordination Center)에서 직접 운영하고 있습니다. 동시에 ERCC는 인도주의적 지원 및 보호 활동을 담당하고 유럽 내부와 외부에서 재난 발생 전, 도중, 이후에 조정된 대응을 지원하기 위해 설립된 유럽 위원회의 일부이기도 합니다. 보다 구체적으로 ERCC의 주요 임무는 잠재적인 위험과 위험을 모니터링하고 재해 데이터를 수집 및 분석하여 시기적절한 지원 배포 옵션에 대한 계획을 준비하는 것입니다. 또한 ERCC는 EFAS에 대한 예측(주로 폭풍 및 홍수 예측, 계절별 일기 예보, 영향 평가 및 조기 경보)도 제공합니다.

• Disney의 AI 모델은 스크립트에서 애니메이션 시퀀스를 생성합니다.

일반적으로 연구원의 경고 시스템은 특정 지리적 영역의 홍수 위험이 안전 임계값을 초과하는 시기를 결정하는 역할을 담당합니다. 이로 인해 EFAS 연구팀은 소셜 네트워킹 사이트, 특히 트위터에서 동시에 최대 400개의 키워드를 조정하고 선택하여 관련 데이터를 수집하는 아이디어를 내놓았습니다.

그러나 관련 키워드(예: 임박했거나 최근 발생한 홍수에 대한 정보를 나타낼 수 있는 단어)가 포함된 트윗을 추출하는 것은 EFAS 연구원에게 쉬운 작업이 아닙니다. 단순히 유럽은 인구가 7억 4,100만 명이 넘고 인구가 27명이 넘는 넓은 지역이기 때문입니다. 다양한 언어가 사용됩니다. 여기서 제안하는 해결책은 다국어 분류 시스템을 사용하는 것입니다. 이 분류 시스템은 비언어적 수학적 표현 또는 단어 임베딩을 사용하여 4가지 주요 유럽 언어(독일어, 영어, 스페인어)와 프랑스어의 키워드 간의 유사성을 추론합니다.

이 시스템은 실제로 기계 학습 모델이며 이를 교육하기 위해 과학자들은 7,000개 이상의 주석이 달린 메시지(각 언어 유형에 대해 1,200~2,300개 메시지)가 포함된 데이터베이스를 사용해야 했습니다. 한편, 그들은 또한 사전에 예측된 홍수 위험 지역에 대해 "대표" 메시지(홍수와 관련될 가능성이 최소 90%인 트윗)를 생성하기 위해 별도의 모델을 사용했습니다.

• EU: AI 시스템은 투명하고 책임감 있는 방식으로 구축 및 배포되어야 합니다.

이 접근 방식의 타당성을 테스트하기 위해 과학자들은 SMFR을 EFAS에 통합하여 2018년 10월 초 이탈리아 칼라브리아에 영향을 미친 홍수 중에 이를 배포했습니다. SMFR을 획득했습니다. 총 14,347개의 트윗이 2일 동안 유효한 후 관련 분석이 수행되었습니다. 팀은 이 AI 모델에 의해 필터링된 메시지가 실제 홍수 상황과 매우 밀접한 상관관계가 있으며 이는 재해 초기 단계에서 응답 시간을 크게 단축하는 데 도움이 될 수 있는 시스템에 대한 유망한 시작이라고 보고합니다.

"재난이 진행되는 동안 수집된 메시지는 대응에 대한 더 큰 통찰력을 제공하는 데 기여하므로 국제 구조 코디네이터에게 매우 중요할 수 있습니다. 특정 지역 대응, 재난이나 재난 경고의 영향을 받는 사람들이 겪을 수 있는 상황에 대해. 직면하다. 향후 연구를 위해 우리는 수십 개의 다른 언어를 포괄하는 동시에 여러 언어의 사용을 촉진하는 유사한 시스템을 글로벌 규모로 적용하는 것을 구상할 수 있습니다. 또한 데이터 소스인 다양한 소셜 미디어 플랫폼은 AI 기반 예측 모델에 진정으로 효과적인 정보를 제공할 수 있습니다. 방법."