AI

洪水報道からAIで日時・場所を抽出、260万件の記録を公開

この記事のポイント

  1. 実現したこと

    洪水データ抽出手法Groundsourceは、ニュースの文章から洪水の発生時期と場所を取り出す。

  2. 実現の仕組み

    Geminiが実際の洪水報道を選別し、記事の公開日を基準に「先週の火曜日」などの表現を解釈する。

  3. 得られた結果

    Googleの人手評価では、抽出した洪水記録の82%が実用的な分析に使える精度だった。

  4. 従来との違い

    文章に分散していた洪水情報が、150カ国超を対象とする260万件の公開データセットになった。

洪水を伝える新聞記事から、川沿いの浸水区域と場所のピンが描かれた市街地図へ矢印でつなぎ、横に日付を示すカレンダーを置いた編集イラスト。
AI生成画像

洪水を伝えるニュースの文章が、発生時期と場所を備えた履歴データになった。Googleは、Geminiを使う抽出手法Groundsourceで260万件の記録を作成し、都市の急激な洪水のモデル化や予測に向けて公開した。

80言語の洪水報道を共通の入力にする

Googleが開発した洪水データ抽出手法Groundsourceは、ニュースの文章から過去の洪水情報を取り出す。分析対象は洪水を主題とする記事で、大規模言語モデルGeminiが情報の抽出を担う。

前処理では、Google Read Aloudのユーザーエージェントを使い、80言語の記事から本文を取り出す。その本文を翻訳サービスCloud Translation APIで英語に統一し、抽出処理へ渡す。

警報と実際の発生を分け、日時と区域を特定する

Geminiは、実際に発生中または過去に発生した洪水の報道を、将来の警報や政策会議、一般的なリスクモデルを扱う記事と区別する。発生時期の特定では、記事の公開日を基準に「先週の火曜日」などの相対的な日付表現を解釈する。

場所の抽出では、地区や通りといった細かな位置情報を識別する。抽出した場所は地図サービス基盤Google Maps Platformを使い、標準化された地理的な区域へ対応付ける。

150カ国超の洪水情報を260万件の記録に

Googleは、この処理で作成した260万件の洪水記録をデータセットとして公開した。収録範囲は150カ国超に及び、2000年以降の出来事を対象とする。

公開データの用途として、Googleは都市で急激に発生する洪水のモデル化と予測を挙げている。文章として分散していた情報を、発生時期と場所に基づいて分析するための履歴データへ変換した。

日時と場所の正確さを人手で評価する

Googleの人手評価では、抽出した洪水記録の60%で場所と発生時期の両方が正確だった。実用的な分析に使える精度と判定された割合は82%で、正しい行政区を捉える、または報道されたピークから1日以内に発生時期を特定するといった例を含む。

別の評価では、国連と欧州委員会による災害監視システムGDACSの記録と、発生時期と場所を照合した。Googleによると、GroundsourceはGDACSが2020〜2026年に記録した深刻な洪水の85〜100%を捉えた。