Yapay Zeka

Google, Ani Sel Tahmininde Haberlerden Yararlanıyor

person

Çebi Medya

Yapay Zeka & Teknoloji Editörü

calendar_month2026-03-12
schedule5 dk
Google, Ani Sel Tahmininde Haberlerden Yararlanıyor

Google, Ani Sel Tahmininde Haberlerden Yararlanıyor

Ani seller, tahmin edilmesi en güç doğal afetlerden biri olarak bilinir ve her yıl 5 binden fazla can kaybına neden olur. Bu tür seller, kısa sürede ve beklenmedik bir şekilde ortaya çıktığından, hava durumu verileriyle önceden tespit edilmeleri oldukça zordur.

Ani Sellerin Tehlikeli Doğası

Ani seller, tahmin edilmesi en güç doğal afetlerden biri olarak bilinir ve her yıl 5 binden fazla can kaybına neden olur. Bu tür seller, kısa sürede ve beklenmedik bir şekilde ortaya çıktığından, hava durumu verileriyle önceden tespit edilmeleri oldukça zordur.

Veri Eksikliği ve Zorluklar

Hava durumu tahminleri genellikle geniş kapsamlı veri gerektirirken, ani sellerin yerel ve kısa süreli doğası, büyük veri setlerinin oluşturulmasını engeller. Bu da, derin öğrenme modellerinin etkin bir şekilde çalışmasının önünde büyük bir engel oluşturur.

Google'ın Yenilikçi Yaklaşımı

Bu zorlukları aşmak isteyen Google, Gemini adlı dil modelini kullanarak dünya çapında 5 milyon haber makalesini taradı. Araştırmacılar, bu makalelerden elde ettikleri 2,6 milyon farklı sel raporunu, 'Groundsource' adlı coğrafi etiketli bir zaman akışı oluşturmak için kullandılar. Google Research ürün müdürü Gila Loike, bu tür bir çalışmada dil modellerinin ilk kez kullanıldığını belirtiyor.

Sel Tahmin Modelinin İşleyişi

Araştırmacılar, Groundsource'u referans alarak Long Short-Term Memory (LSTM) sinir ağına dayalı bir model geliştirdiler. Bu model, küresel hava tahminleriyle entegre edilerek belirli bölgelerdeki ani sel olasılıklarını hesaplamaktadır. Model, Google'ın Flood Hub platformunda yer alarak 150 ülkede kentsel alanlardaki riskleri öne çıkarıyor ve acil durum müdahale kurumlarıyla işbirliği yapıyor.

Projenin Sınırlamaları ve Faydaları

Modelin çözünürlüğü, yalnızca 20 kilometrekarelik alanlarda riskleri belirleyebiliyor ve yerel radar verilerini içermiyor. Bu nedenle, ABD Ulusal Hava Servisi'nin sistemleri kadar hassas değil. Ancak, pahalı hava durumu algılama altyapısına sahip olmayan bölgeler için oldukça faydalı. Proje, kapsamlı meteorolojik veri kayıtlarına erişimi olmayan yerlerde de önemli bir destek sağlıyor.

Paylaş: