ИИ использует твиты, чтобы помочь исследователям анализировать ситуации с наводнениями

Сегодняшние известные сайты социальных сетей, такие как Facebook, Twitter или Instagram, все чаще подвергаются серьезной критике за тот негатив, который они приносят обществу, включая мошенничество, искажение фактов, выдачу себя за другое лицо и даже физические атаки, кражу пользовательских данных. Однако было бы несправедливо отрицать все достоинства этих социальных сетей только из-за этого. Недавно вторая по величине в мире социальная сеть Twitter внесла большой вклад в успех исследовательского проекта, который оказывает огромное влияние на нашу жизнь. В частности, недавно появилась информация о научно-исследовательском проекте, опубликованном на Arxiv.org под заголовком: «Интеграция социальных сетей в общеевропейскую систему оповещения о наводнениях: многоязычный подход» (примерный перевод). : Интеграция социальных сетей в европейскую систему предупреждения о наводнениях системы: многоязычный подход), используя подход под названием «Социальные сети для борьбы с риском наводнений» (SMFR), признает, что он привлек большое внимание со стороны экспертов-метеорологов, а также людей во всем мире.

• Пожалуйста, слушайте рок-музыку, написанную искусственным интеллектом (ИИ).

Соответственно, ученые из Объединенного исследовательского центра — научно-исследовательского центра при Европейской комиссии — подробно описали, как отчетная информация, публикуемая пользователями в реальном времени на платформах социальных сетей (особенно в Twitter), может эффективно помочь в предупреждении о наводнениях в Европе. система (ЕФАС).

Фактически, эта работа была построена главным образом на основе трех других исследовательских проектов, которые были успешно проведены ранее. Первое — это исследование, опубликованное Гарвардским университетом и Google в августе 2018 года, в котором подробно описывается модель искусственного интеллекта, способная предсказывать местоположение афтершоков в течение года после землетрясения. Второе — еще одно исследование, проведенное исследователями искусственного интеллекта Facebook в декабре, в ходе которого успешно был разработан метод более эффективного анализа спутниковых изображений с помощью интеллектуальных моделей, созданных руками человека, которые могут помочь количественно оценить ущерб от крупномасштабных лесных пожаров, а также других стихийных бедствий. точно. Кроме того, ученые из Google недавно опубликовали ретроспективный отчет о системе машинного обучения, способной точно предсказывать паводковые ситуации на реках с точностью до 100% — до 75%.

• Система искусственного интеллекта Amazon помогает сократить количество ошибок распознавания голоса на Alexa на 15%.

В другом аналогичном исследовании компьютерные эксперты в Великобритании использовали алгоритмы машинного обучения, которые использовали твиты для поиска мест, где может произойти насилие во время беспорядков, что позволило им относительно точно предсказать, когда могут произойти крупные протесты, а также выявить агитаторов, стоящих за ними. протесты.

"За последнее десятилетие социальные сети стали важным источником информации о стихийных бедствиях, и это привлекло исследователей из многих областей. Различные сектора больше интересуются тем, как воспользоваться этим полезным источником информации. Посредством практического анализа и оценки платформы социальных сетей продемонстрировали большой потенциал в предоставлении своевременной и ценной информации о событиях, связанных с пространством и временем, кризисом или любой катастрофой, а также помогают идентифицировать важные события, связанные с этой катастрофой», — исследователи сказал.

Вернемся к новому исследованию ЕС. Если вы не знаете, EFAS является частью Службы управления чрезвычайными ситуациями Copernicus (Copernicus EMS) и управляется непосредственно Координационным центром реагирования на чрезвычайные ситуации Европейской комиссии (ERCC). В то же время ERCC также является частью Европейской комиссии, созданной для того, чтобы отвечать за гуманитарную помощь и деятельность по защите, а также поддерживать скоординированные меры реагирования до, во время и после катастроф, произошедших как внутри, так и за пределами Европы. Если говорить конкретнее, то основной задачей ERCC является мониторинг потенциальных опасностей и рисков, сбор и анализ данных о стихийных бедствиях для подготовки планов своевременного развертывания вариантов поддержки. Кроме того, ERCC также будет предоставлять прогнозы для EFAS – в основном прогнозы штормов и наводнений, сезонные прогнозы погоды, а также оценки воздействия и ранние предупреждения.

• Модель искусственного интеллекта Диснея генерирует анимационные эпизоды из сценариев

В целом система предупреждения исследователей отвечает за определение того, когда риск наводнения в определенной географической зоне превышает безопасный порог. Это привело исследовательскую группу EFAS к идее сбора соответствующих данных с сайтов социальных сетей, особенно Twitter, путем одновременной настройки и выбора до 400 ключевых слов.

Однако извлечение твитов с соответствующими ключевыми словами (то есть словами, которые могут указывать на информацию о надвигающемся или недавно произошедшем наводнении) — непростая задача для исследователя EFAS, поскольку просто Европа — это большая территория с населением более 741 миллиона человек и 27 говорят на разных языках. Предлагаемое здесь решение заключается в использовании многоязычной системы классификации. Эта система классификации будет использовать нелингвистические математические представления или встраивания слов, чтобы сделать вывод о сходстве между ключевыми словами в четырех основных европейских языках: немецком, английском, испанском и французском.

Эта система на самом деле представляет собой модель машинного обучения, и для ее обучения ученым пришлось использовать базу данных, содержащую более 7000 аннотированных сообщений (от 1200 до 2300 сообщений для каждого типа языка). Между тем, они также использовали отдельную модель для создания «репрезентативных» сообщений (твитов с вероятностью не менее 90%, связанных с наводнением) для заранее определенных зон риска наводнений.

• ЕС: системы искусственного интеллекта должны создаваться и внедряться прозрачным и ответственным образом

Чтобы проверить осуществимость этого подхода, ученые интегрировали SMFR в EFAS и применили его во время наводнений, поразивших Калабрию, Италия, в начале октября 2018 года. SMFR получила данные. В общей сложности 14 347 твитов были действительны в течение 2 дней, после чего был проведен соответствующий анализ. Команда сообщает, что сообщения, отфильтрованные этой моделью искусственного интеллекта, чрезвычайно тесно коррелируют с реальными ситуациями с наводнениями, и что это многообещающее начало работы над системой, которая может помочь значительно сократить время реагирования на ранних стадиях стихийного бедствия:

«Во время любой катастрофы собранные сообщения могут быть чрезвычайно ценными для международных координаторов спасательных операций, поскольку они способствуют более глубокому пониманию мер реагирования, конкретных местных мер реагирования, а также ситуаций, в которых вероятны люди, пострадавшие от стихийного бедствия или предупреждения о стихийном бедствии. к лицу. Для будущих исследований мы можем представить аналогичную систему, применяемую в глобальном масштабе, охватывающую десятки различных языков и одновременно способствующую использованию нескольких языков. способ."