Le alluvioni lampo uccidono ogni anno oltre 5.000 persone nel mondo e rappresentano l’85% di tutti i decessi legati alle inondazioni. Eppure sono tra i fenomeni più difficili da prevedere, perché colpiscono in poche ore, spesso in città prive di sensori e stazioni di monitoraggio. Google ha risposto a questa sfida con Groundsource, un nuovo sistema basato sul suo modello di intelligenza artificiale Gemini che analizza decenni di comunicati pubblici e articoli di giornale per costruire un archivio storico delle alluvioni urbane. Il risultato è un dataset di 2,6 milioni di eventi distribuiti in oltre 150 paesi.
Il meccanismo è semplice e molto ingegnioso. Gemini analizza il testo non strutturato e multilingua degli articoli, identifica i singoli eventi alluvionali, ne classifica la gravità, e poi sfrutta le API di Google Maps per assegnare a ciascuno coordinate geografiche precise. Questo enorme archivio ha addestrato un modello predittivo capace di stimare il rischio di alluvione nelle successive 24 ore all’episodio meteorologico combinando i dati storici con le previsioni in tempo reale. I risultati sono già visibili su Flood Hub, la piattaforma pubblica di Google.
Il modello presenta però ancora dei limiti. Riesce infatti a identificare il rischio solo su aree di circa 20 chilometri quadrati e non integra i dati radar locali, risultando meno preciso rispetto ai sistemi del National Weather Service statunitense. Juliet Rothenberg, program manager del team Resilience di Google, ha spiegato che lo stesso approccio potrebbe essere applicato anche ad altri fenomeni difficili da prevedere, come le ondate di calore e le frane.
NASA e IBM lanciano un’AI per studiare il cambiamento climatico
NASA e IBM hanno lanciato un'AI open source per aumentare…
