AI ใช้ทวีตเพื่อช่วยนักวิจัยวิเคราะห์สถานการณ์น้ำท่วม

เว็บไซต์โซเชียลเน็ตเวิร์กที่มีชื่อเสียงในปัจจุบัน เช่น Facebook, Twitter หรือ Instagram กำลังเผชิญกับคำวิพากษ์วิจารณ์มากมายเกี่ยวกับแง่ลบที่นำมาสู่สังคม ซึ่งรวมถึงการฉ้อโกง การบิดเบือนความจริง การแอบอ้างบุคคลอื่น และแม้แต่การโจมตีทางกายภาพ การขโมยข้อมูลผู้ใช้ อย่างไรก็ตาม มันไม่ยุติธรรมเลยที่จะปฏิเสธข้อดีทั้งหมดของแพลตฟอร์มโซเชียลมีเดียเหล่านี้เพียงเพราะเหตุนั้น เมื่อเร็ว ๆ นี้ Twitter เว็บไซต์เครือข่ายสังคมที่ใหญ่เป็นอันดับสองของโลกมีส่วนอย่างมากต่อความสำเร็จของโครงการวิจัยที่มีผลกระทบอย่างมากต่อชีวิตของเรา โดยเฉพาะอย่างยิ่ง ข้อมูลที่เพิ่งปรากฏเกี่ยวกับโครงการวิจัยทางวิทยาศาสตร์ที่โพสต์บน Arxiv.org โดยมีชื่อว่า "การบูรณาการโซเชียลมีเดียเข้ากับระบบการรับรู้เรื่องน้ำท่วมทั่วยุโรป: แนวทางหลายภาษา" (แปลอย่างคร่าว ๆ) : การบูรณาการโซเชียลมีเดียเข้ากับการเตือนน้ำท่วมในยุโรป ระบบ: แนวทางหลายภาษา) โดยใช้แนวทางที่เรียกว่า Social Media for Flood Risk (SMFR) ตระหนักดีว่าได้รับความสนใจอย่างมากจากผู้เชี่ยวชาญด้านอุตุนิยมวิทยาและผู้คนทั่วโลก

• โปรดฟังเพลงร็อคที่แต่งโดยปัญญาประดิษฐ์ (AI)

ดังนั้น นักวิทยาศาสตร์ที่ Joint Research Center ซึ่งเป็นศูนย์วิจัยทางวิทยาศาสตร์และความรู้ภายใต้คณะกรรมาธิการยุโรป ได้อธิบายรายละเอียดว่าผู้ใช้โพสต์ข้อมูลการรายงานแบบเรียลไทม์อย่างไร บนแพลตฟอร์มโซเชียลมีเดีย (โดยเฉพาะ Twitter) สามารถช่วยเตือนภัยน้ำท่วมในยุโรปได้อย่างมีประสิทธิภาพ ระบบ (อีฟาส)

จริงๆ แล้ว งานนี้สร้างขึ้นจากแรงบันดาลใจจากโครงการวิจัยอื่นๆ อีก 3 โครงการที่เคยประสบความสำเร็จมาก่อน งานวิจัยชิ้นแรกตีพิมพ์โดยมหาวิทยาลัยฮาร์วาร์ดและ Google ในเดือนสิงหาคม 2561 โดยมีรายละเอียดเกี่ยวกับโมเดล AI ที่สามารถทำนายตำแหน่งของอาฟเตอร์ช็อกได้นานถึงหนึ่งปีหลังเกิดแผ่นดินไหว ประการที่สองเป็นอีกการศึกษาหนึ่งที่ดำเนินการโดยนักวิจัย AI ของ Facebook ในเดือนธันวาคมซึ่งประสบความสำเร็จในการพัฒนาวิธีการวิเคราะห์ภาพดาวเทียมอย่างมีประสิทธิภาพมากขึ้นผ่านแบบจำลองทางปัญญาที่มนุษย์สร้างขึ้นซึ่งสามารถช่วยวัดปริมาณความเสียหายจากไฟป่าขนาดใหญ่รวมถึงภัยพิบัติทางธรรมชาติอื่น ๆ ได้มากขึ้น ได้อย่างแม่นยำ นอกจากนี้ นักวิทยาศาสตร์จาก Google เพิ่งตีพิมพ์รายงานย้อนหลังเกี่ยวกับระบบการเรียนรู้ของเครื่องที่สามารถทำนายสถานการณ์น้ำท่วมในแม่น้ำได้อย่างแม่นยำด้วยความแม่นยำสูงสุด 100% มากถึง 75%

• ระบบ AI ของ Amazon ช่วยลดข้อผิดพลาดในการจดจำเสียงบน Alexa ได้ถึง 15%

ในการศึกษาอื่นที่เกี่ยวข้อง ผู้เชี่ยวชาญด้านคอมพิวเตอร์ในสหราชอาณาจักรใช้อัลกอริธึมการเรียนรู้ของเครื่อง ซึ่งใช้ทวีตเพื่อค้นหาสถานที่ที่อาจเกิดความรุนแรงระหว่างการจลาจล การจลาจล ในขณะเดียวกันก็ทำให้พวกเขาคาดการณ์ได้อย่างแม่นยำเมื่อเกิดการประท้วงครั้งใหญ่ พร้อมทั้งระบุตัวผู้ก่อกวนที่อยู่เบื้องหลัง การประท้วง

“ในช่วงทศวรรษที่ผ่านมา โซเชียลมีเดีย กลายเป็นแหล่งข้อมูลที่เกี่ยวข้องเกี่ยวกับภัยพิบัติและสิ่งนี้ดึงดูดนักวิจัยจากหลายสาขา ภาคส่วนต่างๆ มีความสนใจมากขึ้นในการใช้ประโยชน์จากแหล่งข้อมูลที่เป็นประโยชน์นี้ ด้วยการวิเคราะห์และประเมินผลเชิงปฏิบัติ แพลตฟอร์มโซเชียลมีเดียได้แสดงให้เห็นถึงศักยภาพที่ยอดเยี่ยมในการให้ข้อมูลที่ทันท่วงทีและมีคุณค่าเกี่ยวกับการพัฒนาที่เกี่ยวข้องกับอวกาศและเวลา วิกฤตหรือภัยพิบัติใด ๆ ตลอดจนช่วยในการระบุเหตุการณ์สำคัญที่เกี่ยวข้องกับภัยพิบัตินั้น" นักวิจัย พูดว่า.

กลับไปที่การวิจัยใหม่ของสหภาพยุโรป หากคุณไม่ทราบ EFAS เป็นส่วนหนึ่งของ Copernicus Emergency Management Service (Copernicus EMS) และดำเนินการโดยศูนย์ประสานงานการตอบสนองเหตุฉุกเฉิน (ERCC) ของคณะกรรมาธิการยุโรป ขณะเดียวกัน ERCC ยังเป็นส่วนหนึ่งของคณะกรรมาธิการยุโรปที่จัดตั้งขึ้นเพื่อรับผิดชอบกิจกรรมช่วยเหลือและคุ้มครองด้านมนุษยธรรมตลอดจนสนับสนุนการเผชิญเหตุที่ประสานกันทั้งก่อน ระหว่าง และหลัง ภัยพิบัติเกิดขึ้นทั้งในและนอกยุโรป โดยเฉพาะอย่างยิ่ง ภารกิจหลักของ ERCC คือการติดตามอันตรายและความเสี่ยงที่อาจเกิดขึ้น รวบรวมและวิเคราะห์ข้อมูลภัยพิบัติเพื่อเตรียมแผนสำหรับตัวเลือกการใช้งานสนับสนุนอย่างทันท่วงที . นอกจากนี้ ERCC จะให้การคาดการณ์สำหรับ EFAS ซึ่งส่วนใหญ่เป็นการคาดการณ์พายุและน้ำท่วม การพยากรณ์อากาศตามฤดูกาล ตลอดจนการประเมินผลกระทบและการเตือนภัยล่วงหน้า

• โมเดล AI ของ Disney สร้างลำดับภาพเคลื่อนไหวจากสคริปต์

โดยทั่วไป ระบบเตือนภัยของนักวิจัยมีหน้าที่รับผิดชอบในการพิจารณาว่าเมื่อใดความเสี่ยงของการเกิดน้ำท่วมในพื้นที่ทางภูมิศาสตร์บางแห่งเกินเกณฑ์ที่ปลอดภัย ส่งผลให้ทีมวิจัยของ EFAS เกิดแนวคิดในการรวบรวมข้อมูลที่เกี่ยวข้องจากเว็บไซต์โซเชียลเน็ตเวิร์ก โดยเฉพาะ Twitter โดยการปรับเปลี่ยนและเลือกคีย์เวิร์ดพร้อมกันได้สูงสุด 400 คำ

อย่างไรก็ตาม การแยกทวีตด้วยคำหลักที่เกี่ยวข้อง (เช่น คำที่อาจระบุข้อมูลเกี่ยวกับน้ำท่วมที่กำลังจะเกิดขึ้นหรือเพิ่งเกิดขึ้น) ไม่ใช่เรื่องง่ายสำหรับนักวิจัยที่ EFAS เนื่องจากยุโรปเป็นพื้นที่ขนาดใหญ่ที่มีประชากรมากกว่า 741 ล้านคน และ 27 คน พูดภาษาต่าง ๆ แนวทางแก้ไขที่เสนอในที่นี้คือการใช้ระบบการจำแนกหลายภาษา ระบบการจำแนกประเภทนี้จะใช้การแทนค่าทางคณิตศาสตร์ที่ไม่ใช่ภาษา หรือการฝังคำ เพื่ออนุมานความคล้ายคลึงกันระหว่างคำหลักในภาษายุโรปสี่ภาษาหลัก ได้แก่ เยอรมัน อังกฤษ และสเปน และฝรั่งเศส

จริงๆ แล้วระบบนี้เป็นโมเดลการเรียนรู้ของเครื่อง และเพื่อฝึกฝน นักวิทยาศาสตร์ต้องใช้ฐานข้อมูลที่มีข้อความอธิบายประกอบมากกว่า 7,000 ข้อความ (จาก 1,200 ถึง 2,300 ข้อความสำหรับแต่ละประเภทภาษา) ภาษา) ในขณะเดียวกัน พวกเขายังใช้โมเดลแยกต่างหากเพื่อสร้างข้อความ "ตัวแทน" (ทวีตที่มีโอกาสเกี่ยวข้องกับน้ำท่วมอย่างน้อย 90%) สำหรับพื้นที่เสี่ยงน้ำท่วมที่ระบุ โดยคาดการณ์ล่วงหน้า

• สหภาพยุโรป: ระบบ AI ควรได้รับการสร้างและใช้งานในลักษณะที่โปร่งใสและมีความรับผิดชอบ

เพื่อทดสอบความเป็นไปได้ของแนวทางนี้ นักวิทยาศาสตร์ได้รวม SMFR เข้ากับ EFAS และนำไปใช้ในช่วงน้ำท่วมที่ส่งผลกระทบต่อเมืองคาลาเบรีย ประเทศอิตาลี ในช่วงต้นเดือนตุลาคม 2018 SMFR ได้รับ ทวีตทั้งหมด 14,347 รายการมีอายุ 2 วัน จากนั้นจึงทำการวิเคราะห์ที่เกี่ยวข้อง ทีมงานรายงานว่าข้อความที่กรองโดยโมเดล AI นี้มีความสัมพันธ์อย่างใกล้ชิดกับสถานการณ์น้ำท่วมในชีวิตจริง และนี่เป็นการเริ่มต้นที่ดีต่อระบบสามารถช่วยลดเวลาตอบสนองในระยะแรกของภัยพิบัติได้อย่างมาก:

“ในระหว่างเกิดภัยพิบัติใดๆ ข้อความที่รวบรวมไว้อาจมีคุณค่าอย่างยิ่งสำหรับผู้ประสานงานกู้ภัยระหว่างประเทศ เนื่องจากข้อความเหล่านี้ช่วยให้ได้รับข้อมูลเชิงลึกมากขึ้นในการเผชิญเหตุ การตอบสนองเฉพาะในท้องถิ่น และเกี่ยวกับสถานการณ์ที่ผู้คนได้รับผลกระทบจากภัยพิบัติหรือการเตือนภัยพิบัติมีแนวโน้ม ที่จะเผชิญ สำหรับการวิจัยในอนาคตเราสามารถจินตนาการถึงระบบที่คล้ายกันที่นำไปใช้ในระดับโลกซึ่งครอบคลุมภาษาต่างๆ มากมาย ในขณะที่ส่งเสริมการใช้หลายภาษา นอกจากนี้ แพลตฟอร์มโซเชียลมีเดียต่างๆ ในฐานะแหล่งข้อมูลสามารถแจ้งโมเดลการทำนายตาม AI ได้อย่างมีประสิทธิภาพอย่างแท้จริง ทาง."