AI gebruikt tweets om onderzoekers te helpen overstromingssituaties te analyseren

De bekende sociale netwerksites van tegenwoordig, zoals Facebook, Twitter of Instagram, krijgen steeds meer te maken met veel kritiek vanwege de negativiteit die ze in de samenleving brengen, waaronder fraude, verkeerde voorstelling van zaken, nabootsing van identiteit en zelfs fysieke aanvallen. Het zou echter oneerlijk zijn om alleen daarom alle voordelen van deze sociale-mediaplatforms te ontkennen. Onlangs heeft 's werelds op één na grootste sociale netwerksite Twitter een grote bijdrage geleverd aan het succes van een onderzoeksproject dat een grote impact heeft op ons leven. Meer specifiek is er onlangs informatie verschenen over een wetenschappelijk onderzoeksproject op Arxiv.org met de titel: "Integrating Social Media into a Pan-European Flood Awareness System: A Multilingual Approach" (vrij vertaald). systemen: Een meertalige aanpak), met behulp van een aanpak genaamd Social Media for Flood Risk (SMFR), erkent dat dit veel aandacht heeft gekregen van meteorologische experts en van mensen over de hele wereld.

• Luister naar rockmuziek gecomponeerd door kunstmatige intelligentie (AI).

Dienovereenkomstig hebben wetenschappers van het Gemeenschappelijk Centrum voor Onderzoek – een wetenschappelijk en kennisonderzoekscentrum onder de Europese Commissie, in detail beschreven hoe realtime rapportage-informatie door gebruikers op sociale mediaplatforms (vooral Twitter) wordt geplaatst, effectief kan helpen bij de Europese waarschuwing voor overstromingen. systeem (EFAS).

In feite is dit werk voornamelijk gebouwd op basis van inspiratie uit drie andere onderzoeksprojecten die eerder met succes zijn uitgevoerd. De eerste is onderzoek gepubliceerd door Harvard University en Google in augustus 2018, waarin een AI-model wordt beschreven dat in staat is de locatie van naschokken te voorspellen tot een jaar na een aardbeving. De tweede is een ander onderzoek dat in december is uitgevoerd door Facebook AI-onderzoekers, die met succes een methode hebben ontwikkeld om satellietbeelden effectiever te analyseren via door de mens gemaakte intellectuele modellen, die kunnen helpen de schade door grootschalige bosbranden en andere natuurrampen te kwantificeren. nauwkeurig. Daarnaast hebben wetenschappers van Google onlangs een retrospectief rapport gepubliceerd over een machinaal leersysteem dat in staat is om overstromingssituaties op rivieren nauwkeurig te voorspellen met een nauwkeurigheid tot 100%, tot 75%.

• Het AI-systeem van Amazon helpt stemherkenningsfouten op Alexa met 15% te verminderen.

In een ander gerelateerd onderzoek gebruikten computerexperts in Groot-Brittannië machine learning-algoritmen, die tweets gebruikten om locaties te vinden waar geweld zou kunnen plaatsvinden tijdens rellen, terwijl ze tegelijkertijd relatief nauwkeurig konden voorspellen wanneer er grote protesten zouden kunnen plaatsvinden, en ook de agitatoren achter de rellen konden identificeren. de protesten.

"De afgelopen tien jaar zijn sociale media uitgegroeid tot een relevante bron van informatie over rampen, en dit heeft onderzoekers uit vele vakgebieden aangetrokken. Verschillende sectoren zijn meer geïnteresseerd in hoe ze kunnen profiteren van deze nuttige informatiebron. Door praktische analyse en evaluatie hebben sociale-mediaplatforms een groot potentieel aangetoond in het verstrekken van tijdige en waardevolle informatie over ontwikkelingen met betrekking tot ruimte en tijd, een crisis of welke ramp dan ook, en kunnen ze helpen bij het identificeren van belangrijke gebeurtenissen die verband houden met die ramp”, aldus de onderzoekers. gezegd.

Terug naar het nieuwe EU-onderzoek. Als u het niet weet: EFAS maakt deel uit van de Copernicus Emergency Management Service (Copernicus EMS) en wordt rechtstreeks beheerd door het Emergency Response Coördinatiecentrum (ERCC) van de Europese Commissie. Tegelijkertijd maakt het ERCC ook deel uit van de Europese Commissie, die is opgericht om verantwoordelijk te zijn voor humanitaire hulp- en beschermingsactiviteiten, en om gecoördineerde reacties voor, tijdens en na te ondersteunen. Rampen hebben zich zowel binnen als buiten Europa voorgedaan. Meer specifiek is de hoofdtaak van het ERCC het monitoren van potentiële gevaren en risico's, het verzamelen en analyseren van rampengegevens om plannen voor te bereiden voor tijdige opties voor de inzet van ondersteuning. Daarnaast zal het ERCC ook voorspellingen voor EFAS leveren – voornamelijk storm- en overstromingsvoorspellingen, seizoensweersvoorspellingen, maar ook effectbeoordelingen en vroege waarschuwingen.

• Het AI-model van Disney genereert geanimeerde sequenties op basis van scripts

Over het algemeen is het waarschuwingssysteem van de onderzoekers verantwoordelijk voor het bepalen wanneer het overstromingsrisico in een bepaald geografisch gebied een veilige drempel overschrijdt. Dit bracht het onderzoeksteam van EFAS ertoe op het idee te komen om relevante gegevens van sociale netwerksites, met name Twitter, te verzamelen door maximaal 400 trefwoorden tegelijkertijd aan te passen en te selecteren.

Het extraheren van tweets met relevante trefwoorden (d.w.z. woorden die informatie kunnen geven over een dreigende of recentelijk opgetreden overstroming) is echter geen gemakkelijke taak voor onderzoekers van EFAS, omdat Europa nu eenmaal een groot gebied is met een bevolking van ruim 741 miljoen mensen en 27 inwoners. verschillende talen gesproken. De hier voorgestelde oplossing is het gebruik van een meertalig classificatiesysteem. Dit classificatiesysteem maakt gebruik van niet-linguïstische wiskundige representaties, of woordinsluitingen, om overeenkomsten af ​​te leiden tussen trefwoorden in vier grote Europese talen: Duits, Engels en Spaans, en Frans.

Dit systeem is eigenlijk een machinaal leermodel, en om het te trainen moesten wetenschappers een database gebruiken die meer dan 7.000 geannoteerde berichten bevatte (van 1.200 tot 2.300 berichten voor elk taaltype). Ondertussen gebruikten ze ook een apart model om ‘representatieve’ berichten te produceren (tweets met een kans van minimaal 90% dat ze overstromingsgerelateerd zijn) voor de vooraf voorspelde overstromingsrisicogebieden.

• EU: AI-systemen moeten op een transparante en verantwoorde manier worden gebouwd en ingezet

Om de haalbaarheid van deze aanpak te testen, hebben wetenschappers SMFR in EFAS geïntegreerd en ingezet tijdens overstromingen die Calabrië, Italië, begin oktober 2018 troffen. SMFR verkregen. In totaal waren 14.347 tweets twee dagen geldig, waarna relevante analyses werden uitgevoerd. Het team meldt dat de berichten die door dit AI-model worden gefilterd extreem nauw gecorreleerd zijn met echte overstromingssituaties, en dat dit een veelbelovende start is op weg naar een systeem dat de responstijden in de vroege stadia van een ramp aanzienlijk kan verkorten:

“Tijdens een ramp kunnen de verzamelde berichten uiterst waardevol zijn voor internationale reddingscoördinatoren, omdat ze bijdragen aan het verschaffen van meer inzicht in de respons, specifieke lokale reacties, en over de situaties waarin mensen die getroffen zijn door een ramp of rampwaarschuwing waarschijnlijk zijn. onder ogen zien. Voor toekomstig onderzoek kunnen we ons een soortgelijk systeem voorstellen dat op wereldschaal wordt toegepast en tientallen verschillende talen bestrijkt, terwijl het gebruik van meerdere talen wordt bevorderd. Bovendien kunnen verschillende sociale-mediaplatforms als gegevensbronnen op AI gebaseerde voorspellingsmodellen op een werkelijk effectieve manier informeren. manier."