全球范围内，Google开始运用人工智能（AI）来进行可靠的洪水预测

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

在危机时刻，人们常常依赖谷歌搜索来获取准确而有用的信息，以保护自己和家人。洪水是自然灾害中最常见的类型，全球近15亿人，即大约世界人口的19%，直接面临重大洪水事件的风险。此外，洪水还对经济造成巨大损失，全球每年的经济损失约为500亿美元。

在大部分历史时期，由于问题的复杂性、资源和数据的缺乏，规模化的准确洪水预测是不可能的。考虑到世界上只有少部分河流安装了流量计，这为发展中国家以及服务不足和弱势社区的人们增加了安全障碍。

在今天发表的一篇《自然》杂志的论文中，研究者们分享了人工智能如何帮助扩大洪水预测的规模，并为受气候变化影响最严重的地区提供帮助。研究发现，人工智能帮助他们提供了更准确的河流洪水信息，最长可预测到7天后。这使他们能够在80个国家的460万人口区域内提供洪水预测。在可能的情况下，他们还通过谷歌搜索、谷歌地图以及安卓系统通知提供预测信息。

论文在研究博客中有更详细的描述——展示了谷歌研究所开发的基于AI的全球水文技术，如何相对于当前最先进的技术显著提高洪水预测的准确性。这一点甚至对于那些可靠的洪水相关数据稀缺的国家也是有效的，使得在全球范围内扩展洪水预测成为可能。早期警报系统可以显著地帮助减少人员伤亡，而且更长的预警时间对社区非常有帮助。通过这些技术，他们平均将目前可用的全球即时预报的可靠性从零延长到五天，并且能够使用基于AI的预测技术在非洲和亚洲的部分地区改善预测，使其达到目前在欧洲可用的水平。

如今，这些信息可以被个人、社区、政府和援助组织用来采取预防措施，帮助保护弱势群体。达到这一成就并不容易，尤其是在数据稀缺和洪水影响特别大的地区。今天，随着最新论文的发布，研究团队回顾了他们使用人工智能准确预测河流洪水的旅程中的一些关键时刻：

他们的第一个试点项目在印度进行，从中学到了宝贵的一课。研究工作始于印度比哈尔邦帕特纳地区的初步试点。比哈尔邦是印度洪水灾害最严重的州之一，大量人口生活在反复发生的严重洪水威胁之下。通过与当地政府官员合作并使用当地的实时数据，他们在2018年将洪水预测整合进了谷歌公共警报中。

从历史事件、河流水位读数到特定区域的地形和海拔等多种因素被输入预测模型。接着，他们在每个位置生成地图，并运行了高达数十万次的模拟，以创建河流洪水预测模型。

这种方法旨在为特定地点建立高度准确的模型，同时他们的目标是解决全球规模的问题。他们的假设是，机器学习可以帮助解决全球范围内扩大洪水预测的挑战。

随后，他们开始与研究和科学社区合作，旨在将最佳的基于水文物理的洪水模拟与他们的人工智能方法相结合。基于他们的研究和长短期记忆网络（LSTMs）在提供准确洪水预测方面的有望发展，他们开始构想一个全球性的端到端洪水预测平台，即使在缺乏洪水测量设施的世界地区也能提供可信赖和可靠的信息。

随着时间的推移，洪水预测得到了进一步扩展，但仍受限于本地数据的可用性。继印度初试成功后，他们逐步扩展了在该国和孟加拉的预测覆盖范围，覆盖了3.6亿人口。当时，他们能提供最多48小时的预测，这得益于他们预测技术的重大进步。但在每种情况下，他们的模型都依赖于本地流量数据的可用性，这使得将预测扩展到其他国家变得困难。

转向全球基于AI的洪水预测模型并扩展到超过80个国家
意识到依赖本地数据的洪水预测存在的障碍以及人工智能研究的进步，他们的团队转向了一个雄心勃勃的全球模型。这需要使用全球数据来源来训练他们的模型，并使用LSTM网络，目标是预测即使在不提供本地流量测量的地区也能发生的洪水。

2022年，他们启动了Flood Hub平台，该平台在20个国家——包括15个非洲国家——提供预测，这些地区之前由于缺乏全球数据而严重限制了预测的进行。

一年后，即2023年，他们在非洲、亚太地区、欧洲以及南美和中美洲新增了60个国家的位置，覆盖了全球约4.6亿人口。如今，这些预测在Flood Hub上实时免费提供给许多发展中国家的弱势社区。多亏了他们全球基于AI模型的进步，现在非洲的洪水预测接近欧洲的水平。