Sztuczna inteligencja wykorzystuje tweety, aby pomóc badaczom analizować sytuacje powodziowe

Dzisiejsze słynne serwisy społecznościowe, takie jak Facebook, Twitter czy Instagram, spotykają się z coraz większą krytyką za negatywne skutki, jakie wnoszą do społeczeństwa, w tym oszustwa, wprowadzanie w błąd, podszywanie się, a nawet ataki fizyczne. Kradną dane użytkowników. Jednak niesprawiedliwe byłoby zaprzeczanie wszystkim zaletom tych platform mediów społecznościowych tylko z tego powodu. Niedawno drugi co do wielkości portal społecznościowy na świecie Twitter w ogromnym stopniu przyczynił się do powodzenia projektu badawczego, który ma ogromny wpływ na nasze życie. Mówiąc dokładniej, niedawno pojawiła się informacja o projekcie badań naukowych opublikowanym na Arxiv.org pod tytułem: „Integracja mediów społecznościowych z paneuropejskim systemem świadomości powodziowej: podejście wielojęzyczne” (w przybliżeniu przetłumaczone). : Integracja mediów społecznościowych z europejskim systemem ostrzegania przed powodzią systemów: podejście wielojęzyczne), wykorzystując podejście zwane mediami społecznościowymi na rzecz ryzyka powodziowego (SMFR), uznaje, że wzbudziło ono duże zainteresowanie ekspertów meteorologicznych, a także ludzi na całym świecie.

• Posłuchaj muzyki rockowej skomponowanej przez sztuczną inteligencję (AI).

W związku z tym naukowcy ze Wspólnego Centrum Badawczego – ośrodka naukowo-badawczego podlegającego Komisji Europejskiej, szczegółowo opisali, w jaki sposób użytkownicy zamieszczają informacje raportowe w czasie rzeczywistym. Na platformach mediów społecznościowych (zwłaszcza Twitterze) mogą skutecznie pomóc europejskiemu ostrzeżeniu powodziowemu systemu (EFAS).

Tak naprawdę niniejsza praca została zbudowana głównie w oparciu o inspirację z trzech innych projektów badawczych, które wcześniej z powodzeniem przeprowadzono. Pierwsze to badanie opublikowane przez Uniwersytet Harvarda i Google w sierpniu 2018 r., szczegółowo opisujące model sztucznej inteligencji zdolny do przewidywania lokalizacji wstrząsów wtórnych nawet rok po trzęsieniu ziemi. Drugie to kolejne badanie przeprowadzone w grudniu przez badaczy sztucznej inteligencji Facebooka, w ramach którego z powodzeniem opracowano metodę skuteczniejszej analizy zdjęć satelitarnych za pomocą modeli intelektualnych.stworzone przez człowieka, co może pomóc w ilościowym określeniu szkód spowodowanych pożarami lasów na dużą skalę, a także innymi klęskami żywiołowymi więcej dokładnie. Ponadto naukowcy z Google opublikowali niedawno retrospektywny raport na temat systemu uczenia maszynowego, który jest w stanie dokładnie przewidywać sytuacje powodziowe na rzekach z dokładnością do 100%, a nawet 75%.

• System sztucznej inteligencji Amazona pomaga zmniejszyć błędy rozpoznawania głosu w Alexie o 15%.

W innym powiązanym badaniu eksperci komputerowi w Wielkiej Brytanii wykorzystali algorytmy uczenia maszynowego, które wykorzystywały tweety do wyszukiwania miejsc, w których może dojść do przemocy podczas zamieszek, umożliwiając jednocześnie stosunkowo dokładne przewidzenie, kiedy mogą nastąpić duże protesty, a także zidentyfikowanie agitatorów stojących za nimi protesty.

„W ciągu ostatniej dekady media społecznościowe stały się istotnym źródłem informacji o katastrofach, co przyciągnęło badaczy z wielu dziedzin. Różne sektory są bardziej zainteresowane sposobem wykorzystania tego przydatnego źródła informacji. Dzięki praktycznej analizie i ocenie platformy mediów społecznościowych wykazały ogromny potencjał w zakresie dostarczania aktualnych i cennych informacji o wydarzeniach związanych z przestrzenią i czasem, kryzysem lub jakąkolwiek katastrofą, a także pomagania w identyfikowaniu ważnych wydarzeń związanych z tą katastrofą” – naukowcy powiedział.

Wracając do nowych badań UE. Jeśli nie wiesz, EFAS jest częścią usługi zarządzania kryzysowego programu Copernicus (Copernicus EMS) i jest zarządzany bezpośrednio przez Centrum Koordynacji Reagowania Kryzysowego (ERCC) Komisji Europejskiej. Jednocześnie ERCC jest także częścią Komisji Europejskiej, powołanej do odpowiedzialności za działania w zakresie pomocy humanitarnej i ochrony, a także wspieranie skoordynowanego reagowania przed, w trakcie i po katastrofach, które miały miejsce zarówno w Europie, jak i poza nią. Mówiąc dokładniej, głównym zadaniem ERCC jest monitorowanie potencjalnych niebezpieczeństw i ryzyka, gromadzenie i analizowanie danych dotyczących katastrof w celu przygotowania planów dotyczących opcji szybkiego wdrożenia wsparcia. Ponadto ERCC będzie także dostarczać prognozy dla EFAS – głównie prognozy burz i powodzi, sezonowe prognozy pogody, a także oceny skutków i wczesne ostrzeżenia.

• Model sztucznej inteligencji Disneya generuje animowane sekwencje na podstawie skryptów

Ogólnie rzecz biorąc, opracowany przez badaczy system ostrzegania odpowiada za określenie, kiedy ryzyko powodzi na danym obszarze geograficznym przekracza bezpieczny próg. To skłoniło zespół badawczy EFAS do wpadła na pomysł gromadzenia odpowiednich danych z serwisów społecznościowych, zwłaszcza Twittera, poprzez dopasowywanie i selekcję aż 400 słów kluczowych jednocześnie.

Jednak wyodrębnienie tweetów zawierających odpowiednie słowa kluczowe (tj. słowa, które mogą wskazywać informację o zbliżającej się lub niedawno zaistniałej powodzi) nie jest łatwym zadaniem dla badacza z EFAS, ponieważ po prostu Europa to duży obszar z populacją ponad 741 milionów ludzi i 27 używane różne języki. Proponowanym rozwiązaniem jest zastosowanie wielojęzycznego systemu klasyfikacji. Ten system klasyfikacji będzie wykorzystywał pozajęzykowe reprezentacje matematyczne lub osadzanie słów w celu wywnioskowania podobieństw między słowami kluczowymi w czterech głównych językach europejskich: niemieckim, angielskim i hiszpańskim oraz francuskim.

System ten jest w rzeczywistości modelem uczenia maszynowego i do jego wytrenowania naukowcy musieli skorzystać z bazy danych zawierającej ponad 7 000 wiadomości z adnotacjami (od 1200 do 2300 wiadomości dla każdego typu języka). W międzyczasie wykorzystali także oddzielny model do tworzenia „reprezentatywnych” komunikatów (tweetów, w których co najmniej 90% szans na powodzię) dla zidentyfikowanych i przewidywanych z wyprzedzeniem obszarów ryzyka powodziowego.

• UE: Systemy sztucznej inteligencji należy budować i wdrażać w sposób przejrzysty i odpowiedzialny

Aby przetestować wykonalność tego podejścia, naukowcy włączyli SMFR do EFAS i wdrożyli go podczas powodzi, które nawiedziły Kalabrię we Włoszech na początku października 2018 r. Uzyskano SMFR Łącznie 14 347 tweetów było ważnych przez 2 dni, a następnie przeprowadzono odpowiednie analizy. Zespół podaje, że wiadomości filtrowane przez ten model sztucznej inteligencji są niezwykle ściśle powiązane z rzeczywistymi sytuacjami powodziowymi i że jest to obiecujący początek drogi do systemu, który może znacznie skrócić czas reakcji na wczesnych etapach katastrofy:

„W trakcie każdej katastrofy zebrane wiadomości mogą być niezwykle cenne dla międzynarodowych koordynatorów ratownictwa, ponieważ przyczyniają się do zapewnienia lepszego wglądu w reakcję, konkretne reakcje lokalne oraz sytuacje, w których prawdopodobne są osoby dotknięte katastrofą lub ostrzeżeniem o katastrofie do twarzy. W przyszłych badaniach możemy sobie wyobrazić podobny system stosowany w skali globalnej, obejmujący dziesiątki różnych języków, przy jednoczesnym promowaniu używania wielu języków. Ponadto różne platformy mediów społecznościowych jako źródła danych mogą w naprawdę skuteczny sposób informować modele predykcyjne oparte na sztucznej inteligencji sposób."