El anuncio, compartido directamente por Pichai en su cuenta de X, destaca cómo Groundsource aborda uno de los mayores desafÃos en la predicción de inundaciones urbanas: la escasez de datos históricos precisos.
Tradicionalmente, los modelos de pronóstico dependen de mediciones directas que no siempre existen en ciudades de todo el mundo. La solución de Google fue creativa y poderosa: utilizar su modelo de lenguaje Gemini para analizar más de 5 millones de informes noticiosos públicos en múltiples idiomas, desde el año 2000 hasta la fecha.
El resultado es un dataset abierto y de alta calidad que identifica más de 2.6 millones de eventos históricos de inundaciones repentinas en más de 150 paÃses. Gemini procesó estos reportes no estructurados, verificó detalles como ubicación exacta y fecha, y los geoetiquetó con precisión usando Google Maps.
Este archivo masivo el más grande de su tipo hasta ahora fue clave para entrenar un nuevo modelo de pronóstico que ahora se integra directamente en Google Flood Hub, la plataforma gratuita de Google para alertas de inundaciones.
“Entrenamos un nuevo modelo de pronóstico de inundaciones diseñado para predecir inundaciones repentinas en áreas urbanas hasta 24 horas antes”, explicó Pichai en su publicación. “Para abordar la brecha de datos en inundaciones repentinas, creamos Groundsource: una nueva metodologÃa de IA que usa Gemini para identificar más de 2.6 millones de eventos históricos en más de 150 paÃses”.
Las predicciones ya están disponibles en Flood Hub (sites.research.google/floods), donde se muestran niveles de riesgo (medio o alto) para ciudades en tiempo real. Aunque la resolución es a escala de ciudad y no detalla severidad extrema o calles especÃficas, representa una expansión importante de la cobertura global de alertas de inundaciones, complementando los pronósticos de rÃos que Google ofrece desde 2017.
Google ha hecho público el dataset Groundsource bajo licencia abierta (disponible en Zenodo), invitando a investigadores, gobiernos y organizaciones de gestión de desastres a usarlo para mejorar modelos locales o aplicarlo a otros riesgos como deslizamientos o olas de calor. Es la primera vez que la compañÃa emplea modelos de lenguaje a gran escala para este tipo de extracción de datos de fuentes no estructuradas.
En un mundo donde el cambio climático intensifica eventos extremos, herramientas como esta podrÃan marcar la diferencia entre minutos de reacción y horas de preparación. Groundsource no solo demuestra el potencial de la IA generativa más allá del chat o la creación de contenido, sino que la pone al servicio directo de la resiliencia global.
0 Comentarios