山洪暴发因其突发性和局部性，一直是全球气象预报中最难攻克的“幽灵”灾害。今日，谷歌宣布通过一种极具创意的方案破解了这一难题:利用大语言模型挖掘新闻报道中的非结构化数据，成功构建了覆盖全球的山洪预测体系。

传统深度学习模型往往因缺乏历史气象监测数据而难以在偏远地区发挥作用。谷歌研究团队改变了思路，利用的阅读理解能力，深度梳理了全球 500万篇新闻报道。

  • 数据转化:模型从新闻中提取出 260万次洪水事件的记录，并将这些定性描述转化为带有地理标签和时间戳的定量数据，形成了名为“Groundsource”的独特数据集。

  • 模型训练:基于这些“地面真实情况”，研究人员训练了一个 LSTM 神经网络模型，能够通过全球气象预报数据预测特定区域的山洪概率。

谷歌抗灾项目负责人表示，Groundsource 数据集最大的意义在于其“均衡性”。

  • 服务弱势地区:对于那些无力承担昂贵气象雷达、缺乏完整气象记录的国家和地区，该模型提供了一种低成本的预警方案。

  • 实战验证:目前，谷歌已在为150个国家的城市区域标注了风险等级。南部非洲发展共同体的官员证实，该模型已显著提升了当地应对洪水的反应速度。

尽管该模型目前在分辨率（20平方公里）和雷达实时性上仍有提升空间，但这种从文字类定性信息中构建定量数据集的方法，为防灾减灾开启了新范式。谷歌团队表示，未来计划将这一技术推广到热浪、泥流等其他短暂但致命的自然灾害预测中。

通过将 AI 的语言理解能力转化为物理世界的预警能力，谷歌不仅展示了的技术上限，更为全球防灾减灾工作贡献了一种更具包容性的科技力量。