Google pretvara stare novine u rani alarm za poplave tamo gdje senzora nema

Google je iznenada postao glavni istraživač poplavnih podataka, ali ne uz pomoć radara — već arhiviranih novinskih izvještaja iz 1980-ih. Agencija je kroz analizu 5 milijuna članaka identificirala 2,6 milijuna priča o poplavama, pretvorivši nestrukturirane tekstove u geo-tagirani vremenski niz podataka nazvan 'Groundsource'. Taj pristup koristi velike jezične modele za ekstrakciju strukturiranih, geolociranih informacija iz novinskog arhiva koji bi inače ostao neiskorišten.

Taj skup podataka postao je temelj za treniranje LSTM neuronske mreže koja sada predviđa vjerojatnost iznenadnih poplava na temelju globalnih vremenskih prognoza. Googleov model pokriva urbana područja u 150 zemalja putem Flood Hub platforme, s posebnim fokusom na regije bez tradicionalne meteorološke infrastrukture — tamo gdje i 30 minuta ranog upozorenja može značiti razliku između evakuacije i katastrofe.

Tehnička ograničenja su neizbježna. Rezolucija od 20 kvadratnih kilometara ne može nadmašiti lokalne radar sustave poput američke Nacionalne službe za vrijeme, a model ne integrira ni lokalne meteorološke podatke. Ipak, Groundsource donosi nešto što tradicionalna hidrologija ne može: rebalansiranje geografske pristranosti. Područja s oskudnim podacima — često najugroženija — dobivaju veću pozornost upravo zbog obilja povijesnih izvještaja koji su sada strojno čitljivi.

Preliminarni rezultati sugeriraju da je model omogućio brže reagiranje u više od 60 poplavnih incidenata. Analiza vijesti putem LLM-ova nije novost, ali primjena na ovako osjetljiv, životno važan podatak predstavlja značajan pomak. Pitanje je hoće li Googleov pristup postati komplementaran ili konkurentan nacionalnim službama — ili će ostati zasebna slojka u složenijem ekosustavu ranog upozorenja.