Googles AI f\u00f6r \u00f6versv\u00e4mningsf\u00f6ruts\u00e4gelser, kallad \"Flood Hub\", kan nu f\u00f6rutse potentiella \u00f6versv\u00e4mningar fyra dagar i f\u00f6rv\u00e4g, \u00e4ven i regioner d\u00e4r vattenfl\u00f6desdata \u00e4r knapph\u00e4ndiga, som Sydamerika och Afrika.\u00a0<\/b><\/p>\n
I vissa fall finns det rikligt med data att tillg\u00e5, <\/span>Googles AI f\u00f6r prognostisering av \u00f6versv\u00e4mningar<\/span><\/a> kan f\u00f6rutsp\u00e5 \u00f6versv\u00e4mningar sju dagar innan katastrofen intr\u00e4ffar.\u00a0<\/span><\/p>\n Historiskt sett har korrekta \u00f6versv\u00e4mningsprognoser varit beroende av tillg\u00e5ngen till exakta vattenfl\u00f6desdata. Medan v\u00e4lb\u00e4rgade regioner ofta har tillg\u00e5ng till denna kritiska information, \u00e4r det m\u00e5nga omr\u00e5den, s\u00e4rskilt i l\u00e5ginkomstl\u00e4nder, som inte har det.\u00a0<\/span><\/p>\n Som beskrivs i en <\/span>f\u00e4rskt papper<\/span><\/a>har Googles senaste metoder avsev\u00e4rt f\u00f6rb\u00e4ttrat systemets effektivitet d\u00e4r data \u00e4r knapph\u00e4ndiga.\u00a0<\/span><\/p>\n \u00d6versv\u00e4mning Hub<\/span><\/a> skapades ursprungligen 2018 f\u00f6r \u00f6versv\u00e4mningsdrabbade l\u00e4nder som Indien och Bangladesh.\u00a0<\/span><\/p>\n Grey Nearing och hans kollegor p\u00e5 Google har sedan dess f\u00f6rb\u00e4ttrat systemet genom att integrera offentligt tillg\u00e4ngliga fl\u00f6desdata fr\u00e5n World Meteorological Organization samt mark- och satellitbaserade v\u00e4derprognoser.<\/span><\/p>\n Nearing lyfte fram verktygets utveckling: \"En av begr\u00e4nsningarna med traditionella hydrologimodeller \u00e4r att de \u00e4r v\u00e4ldigt exakta, fr\u00e4mst p\u00e5 platser d\u00e4r de \u00e4r v\u00e4lkalibrerade.\" <\/span><\/p>\n \"AI-modeller, \u00e4ven om de \u00e4r datadrivna, l\u00e4r sig allm\u00e4nna hydrologiska beteenden och har b\u00e4ttre f\u00f6rm\u00e5ga att flytta sig fr\u00e5n en plats till en annan.\"<\/span><\/p>\n Nearing och hans team genomf\u00f6rde omfattande tester av AI-systemet med hj\u00e4lp av \u00f6ver 5 000 vattenfl\u00f6desm\u00e4tningar fr\u00e5n 1984 till 2021. Anm\u00e4rkningsv\u00e4rt nog var f\u00f6ruts\u00e4gelser som gjordes fyra dagar fram\u00e5t lika exakta som vad de flesta nuvarande system kunde uppskatta samma dag.\u00a0<\/span><\/p>\n Nearing konstaterade: \"Om du g\u00e5r till v\u00e5r Flood Hub och tittar p\u00e5 prognoserna f\u00f6r fyra dagar fram\u00e5t f\u00e5r du information som \u00e4r ungef\u00e4r lika korrekt som du skulle ha f\u00e5tt fr\u00e5n det befintliga systemet om du hade tittat p\u00e5 idag.\" <\/span><\/p>\n Du kan <\/span>utforska verktyget h\u00e4r<\/span><\/a>.<\/span><\/p>\n F\u00f6r n\u00e4rvarande tillhandah\u00e5ller Googles Flood Hub data f\u00f6r mer \u00e4n 460 miljoner m\u00e4nniskor i \u00f6ver 80 l\u00e4nder och har skickat ut \u00f6versv\u00e4mningsvarningar sedan oktober 2022.\u00a0<\/span><\/p>\n \u00d6versv\u00e4mningar \u00e4r den mest frekvent f\u00f6rekommande naturkatastrofen och kostar \u00e5rligen cirka $10 miljarder i skador och p\u00e5verkar livet f\u00f6r otaliga m\u00e4nniskor, <\/span>Google uppgav<\/span><\/a> \u00e5r 2021.\u00a0<\/span><\/p>\n Det var f\u00f6re \u00f6versv\u00e4mningarna i Pakistan, som <\/span>kostar n\u00e5gra $10bn<\/span><\/a> i sin egen r\u00e4tt.<\/span><\/p>\nHur Googles \u00f6versv\u00e4mningsmodellering har f\u00f6rb\u00e4ttrats \u00f6ver tid<\/span><\/h2>\n