- ■
गूगल आपदा पूर्वानुमान में महत्वपूर्ण डेटा अंतराल को संबोधित करते हुए, फ्लैश फ्लड पूर्वानुमान प्रणालियों के लिए ऐतिहासिक समाचार रिपोर्टों को मात्रात्मक डेटा में परिवर्तित करने के लिए एलएलएम का उपयोग किया जा रहा है।
- ■
यह दृष्टिकोण पुराने समाचार पत्रों से गुणात्मक कथा खातों को संरचित डेटासेट में बदल देता है जिसे मशीन लर्निंग मॉडल संसाधित कर सकते हैं
- ■
यह पद्धति बाढ़ से आगे अन्य आपदा निवारण क्षेत्रों तक विस्तारित हो सकती है जहां ऐतिहासिक सेंसर डेटा दुर्लभ या अस्तित्वहीन है
- ■
यह विकास जलवायु अनुकूलन में एआई की बढ़ती भूमिका का संकेत देता है क्योंकि चरम मौसम की घटनाएं अधिक बार और अप्रत्याशित हो जाती हैं
गूगल अभी-अभी जलवायु तकनीक की सबसे जटिल समस्याओं में से एक के लिए एक नया दृष्टिकोण खोजा गया है: जब ऐतिहासिक डेटा मुश्किल से मौजूद है तो आप आपदाओं की भविष्यवाणी कैसे करते हैं? कंपनी के शोधकर्ता दशकों की गुणात्मक समाचार रिपोर्टों को आकस्मिक बाढ़ पूर्वानुमान प्रणालियों के लिए मात्रात्मक प्रशिक्षण डेटा में बदलने के लिए बड़े भाषा मॉडल तैनात कर रहे हैं। यह एक चतुर समाधान है जो एआई द्वारा आपदा की रोकथाम में डेटा की कमी से निपटने के तरीके को नया आकार दे सकता है, कथा खातों को संरचित डेटासेट मशीन लर्निंग मॉडल में बदल सकता है जिसकी सख्त जरूरत है।
गूगल मशीनों को पुराने अखबारों के अभिलेखों की पंक्तियों के बीच पढ़ना सिखा रहा है, और इसके निहितार्थ बाढ़ की भविष्यवाणी से कहीं आगे तक फैले हुए हैं। कंपनी का नवीनतम शोध दर्शाता है कि कैसे बड़े भाषा मॉडल दशकों से चली आ रही कथा समाचार रिपोर्टों से संरचित, मात्रात्मक जानकारी निकाल सकते हैं, प्रशिक्षण डेटासेट बना सकते हैं जहां पहले कोई मौजूद नहीं था।
आकस्मिक बाढ़ की भविष्यवाणी की चुनौती ने लंबे समय से शोधकर्ताओं को निराश किया है। व्यापक सेंसर डेटा और ऐतिहासिक रिकॉर्ड उत्पन्न करने वाले तूफान या प्रमुख नदी बाढ़ के विपरीत, फ्लैश बाढ़ स्थानीयकृत, अचानक होती है, और अक्सर न्यूनतम निगरानी बुनियादी ढांचे वाले क्षेत्रों में होती है। जब प्रशिक्षण डेटा इतना विरल होता है तो पारंपरिक मशीन लर्निंग दृष्टिकोण लड़खड़ा जाता है। आप उस चीज़ का अनुमान नहीं लगा सकते जिसे आपने व्यवस्थित रूप से नहीं मापा है।
यहीं है गूगल का एलएलएम दृष्टिकोण दिलचस्प हो जाता है। संवेदनशील क्षेत्रों में सेंसर नेटवर्क के सक्रिय होने की प्रतीक्षा करने के बजाय, कंपनी अंतर्निहित डेटा बिंदुओं के लिए ऐतिहासिक समाचार अभिलेखागार का खनन कर रही है। 1995 की एक अखबार की रिपोर्ट में बताया गया है कि कैसे बाढ़ का पानी एक विशिष्ट पुल के पास “कमर-ऊंचाई” तक पहुंच गया, जब इसे गद्य से माप, स्थान और समयसीमा निकालने के लिए प्रशिक्षित एलएलएम के माध्यम से संसाधित किया जाता है, तो यह एक मात्रात्मक डेटा बिंदु बन जाता है।
यह कार्यप्रणाली एक मूलभूत बदलाव का प्रतिनिधित्व करती है कि एआई सिस्टम मानव ज्ञान से कैसे सीख सकते हैं। के अनुसार टेकक्रंचदृष्टिकोण गुणात्मक रिपोर्ट को मात्रात्मक डेटासेट में बदल देता है, प्रभावी ढंग से कथात्मक मानव अवलोकन और संरचित इनपुट मशीन लर्निंग मॉडल के बीच एक पुल बनाता है।
