AI menggunakan tweet untuk membantu penyelidik menganalisis situasi banjir

Laman rangkaian sosial terkenal masa kini seperti Facebook, Twitter atau Instagram semakin menghadapi banyak kritikan kerana negatif yang mereka bawa kepada masyarakat, termasuk penipuan, salah nyata, penyamaran dan juga serangan fizikal.mencuri data pengguna. Walau bagaimanapun, adalah tidak adil untuk menafikan semua kebaikan platform media sosial ini hanya kerana itu. Baru-baru ini, laman rangkaian sosial kedua terbesar di dunia iaitu Twitter telah memberi sumbangan besar kepada kejayaan projek penyelidikan yang memberi impak besar kepada kehidupan kita. Lebih khusus lagi, maklumat baru-baru ini muncul mengenai projek penyelidikan saintifik yang disiarkan di Arxiv.org dengan tajuk: "Mengintegrasikan Media Sosial ke dalam Sistem Kesedaran Banjir Pan-European: Pendekatan Berbilang Bahasa" (diterjemahkan secara kasar). : Mengintegrasikan media sosial ke dalam amaran banjir Eropah sistem: Pendekatan berbilang bahasa), menggunakan pendekatan yang dipanggil Media Sosial untuk Risiko Banjir (SMFR), mengiktiraf Ia telah menerima banyak perhatian daripada pakar meteorologi serta orang di seluruh dunia.

• Sila dengar muzik Rock yang digubah oleh kecerdasan buatan (AI).

Sehubungan itu, saintis di Pusat Penyelidikan Bersama - pusat penyelidikan saintifik dan pengetahuan di bawah Suruhanjaya Eropah, telah menerangkan secara terperinci bagaimana maklumat pelaporan masa nyata disiarkan oleh pengguna. pada platform media sosial (terutamanya Twitter) boleh membantu amaran banjir Eropah dengan berkesan. sistem (EFAS).

Malah, karya ini dibina terutamanya berdasarkan inspirasi daripada tiga projek penyelidikan lain yang berjaya dijalankan sebelum ini. Yang pertama ialah penyelidikan yang diterbitkan oleh Universiti Harvard dan Google pada Ogos 2018, memperincikan model AI yang mampu meramalkan lokasi gegaran susulan sehingga setahun selepas gempa bumi. Gempa bumi yang hebat telah berlaku. Yang kedua ialah satu lagi kajian yang dijalankan oleh penyelidik AI Facebook pada bulan Disember, yang berjaya membangunkan kaedah untuk menganalisis imej satelit dengan lebih berkesan melalui model intelektual. buatan manusia, yang boleh membantu mengukur kerosakan akibat kebakaran hutan berskala besar serta bencana alam lain yang lebih dengan tepat. Di samping itu, saintis di Google baru-baru ini menerbitkan laporan retrospektif tentang sistem pembelajaran mesin yang mampu meramal dengan tepat situasi banjir di sungai dengan ketepatan sehingga 100%. sehingga 75%.

• Sistem AI Amazon membantu mengurangkan ralat pengecaman suara pada Alexa sebanyak 15%.

Dalam kajian lain yang berkaitan, pakar komputer di UK menggunakan algoritma pembelajaran mesin, yang menggunakan tweet untuk mencari lokasi di mana keganasan boleh berlaku semasa rusuhan. rusuhan, sambil membenarkan mereka meramalkan secara relatif tepat apabila protes besar mungkin berlaku, serta mengenal pasti penggerak di sebalik bantahan tersebut.

"Sejak sedekad lalu, media sosial telah muncul sebagai sumber maklumat yang relevan mengenai bencana, dan ini telah menarik penyelidik dari pelbagai bidang. Sektor yang berbeza lebih berminat untuk memanfaatkan sumber maklumat yang berguna ini. Melalui analisis dan penilaian praktikal, platform media sosial telah menunjukkan potensi besar dalam menyediakan maklumat yang tepat pada masanya dan berharga tentang perkembangan yang berkaitan dengan ruang dan masa. krisis, atau sebarang bencana, serta membantu dalam mengenal pasti peristiwa penting yang berkaitan dengan bencana itu," para penyelidik. berkata.

Kembali kepada penyelidikan EU baharu. Jika anda tidak tahu, EFAS ialah sebahagian daripada Perkhidmatan Pengurusan Kecemasan Copernicus (Copernicus EMS) dan dikendalikan secara langsung oleh Pusat Penyelarasan Respons Kecemasan Suruhanjaya Eropah (ERCC). Pada masa yang sama, ERCC juga merupakan sebahagian daripada Suruhanjaya Eropah, ditubuhkan untuk bertanggungjawab bagi aktiviti bantuan kemanusiaan dan perlindungan, serta menyokong tindak balas yang diselaraskan sebelum, semasa dan selepas. Bencana berlaku di dalam dan di luar Eropah. Lebih khusus lagi, tugas utama ERCC adalah untuk memantau potensi bahaya dan risiko, mengumpul dan menganalisis data bencana untuk menyediakan rancangan untuk pilihan penggunaan sokongan tepat pada masanya. . Selain itu, ERCC juga akan menyediakan ramalan untuk EFAS - terutamanya ramalan ribut dan banjir, ramalan cuaca bermusim, serta penilaian impak dan amaran awal.

• Model AI Disney menjana urutan animasi daripada skrip

Secara umumnya, sistem amaran penyelidik bertanggungjawab untuk menentukan apabila risiko banjir di kawasan geografi tertentu melebihi ambang selamat. Ini menyebabkan pasukan penyelidik EFAS menghasilkan idea untuk mengumpul data berkaitan daripada laman rangkaian sosial, terutamanya Twitter dengan melaraskan dan memilih sehingga 400 kata kunci pada masa yang sama.

Walau bagaimanapun, mengekstrak tweet dengan kata kunci yang berkaitan (iaitu perkataan yang mungkin menunjukkan maklumat tentang banjir yang akan berlaku atau baru-baru ini berlaku) bukanlah tugas yang mudah untuk penyelidik di EFAS, kerana secara ringkasnya Eropah adalah kawasan yang besar dengan populasi lebih daripada 741 juta orang dan 27 bahasa yang berbeza yang dituturkan. Penyelesaian yang dicadangkan di sini ialah menggunakan sistem klasifikasi berbilang bahasa. Sistem pengelasan ini akan menggunakan perwakilan matematik bukan linguistik, atau pembenaman perkataan, untuk membuat kesimpulan persamaan antara kata kunci dalam empat bahasa utama Eropah: Jerman, Inggeris dan Sepanyol. dan Perancis.

Sistem ini sebenarnya adalah model pembelajaran mesin, dan untuk melatihnya, saintis terpaksa menggunakan pangkalan data yang mengandungi lebih daripada 7,000 mesej beranotasi (daripada 1,200 hingga 2,300 mesej untuk setiap jenis bahasa). Sementara itu, mereka juga menggunakan model berasingan untuk menghasilkan mesej "wakil" (tweet dengan sekurang-kurangnya 90% kemungkinan berkaitan banjir) untuk kawasan berisiko banjir yang dikenal pasti. diramalkan lebih awal.

• EU: Sistem AI harus dibina dan digunakan secara telus dan bertanggungjawab

Untuk menguji kebolehlaksanaan pendekatan ini, saintis menyepadukan SMFR ke dalam EFAS dan menggunakannya semasa banjir yang menjejaskan Calabria, Itali, pada awal Oktober 2018. SMFR memperoleh Sejumlah 14,347 tweet adalah sah selama 2 hari, kemudian analisis yang berkaitan telah dijalankan. Pasukan melaporkan bahawa mesej yang ditapis oleh model AI ini sangat berkait rapat dengan situasi banjir kehidupan sebenar, dan ini adalah permulaan yang menjanjikan ke arah sistem yang boleh membantu memendekkan masa tindak balas dengan ketara pada peringkat awal bencana:

"Semasa berlakunya sebarang bencana, mesej yang dikumpul boleh menjadi sangat berharga kepada penyelaras penyelamat antarabangsa, kerana ia menyumbang kepada memberikan gambaran yang lebih mendalam tentang tindak balas. tindak balas tempatan khusus, dan tentang situasi yang mungkin berlaku kepada orang yang terjejas akibat bencana atau amaran bencana. untuk menghadapi. Untuk penyelidikan masa hadapan, kami boleh membayangkan sistem yang serupa digunakan pada skala global, meliputi berpuluh-puluh bahasa yang berbeza, sambil mempromosikan penggunaan berbilang bahasa. Tambahan pula, pelbagai platform media sosial sebagai sumber data boleh memaklumkan model ramalan berasaskan AI dalam cara yang benar-benar berkesan cara.”