Google、Gemini活用の「Groundsource」発表：都市部の鉄砲水を最大24時間前予測

突発的な自然災害を予測するAIを作ろうとしたとき、最大の壁となるのは計算資源ではなく、過去のきちんとしたデータが存在しないことです。

都市部を襲う鉄砲水は、世界で年間5000人以上の命を奪う極めて危険な災害です。しかし発生から収束までが極めて短く局所的であるため、雲に遮られる人工衛星や既存の観測網では網羅的な記録が残りにくく、国連などの主要データベースでも数万件規模の記録にとどまっていました。

そこでGoogle Researchは3月12日、センサーがないなら世界中のニュース記事を読ませればいいという発想から生まれた新技術「Groundsource」を発表しました。Geminiを活用して過去の報道を解析し、巨大な災害データベースを構築する試みです。

500万本のニュースから260万件の洪水を抽出

Googleの研究チームは、世界各国の80言語で書かれた約500万本のニュース記事を収集しました。テキストを英語に集約した上で、Geminiに綿密なプロンプトを与えて洪水の日時と発生地域を抽出させています。

抽出された情報はGoogleマップの地理境界データと紐付けられ、2000年から現在までに150カ国以上で発生した260万件もの鉄砲水イベントが特定されました。既存データベースの規模を遥かに凌駕する情報量です。

人手による検証では、抽出されたデータの60パーセントが時間と場所の両方で完全に正確でした。行政区の特定やピーク日の前後1日以内といった、実務で十分に役立つ基準まで含めると、その精度は82パーセントに達しています。

研究チームはこのデータを正解ラベルとしてLSTMニューラルネットワークを学習させ、最大24時間前に都市型鉄砲水を予測するモデルを開発しました。予測情報は現在、Googleの災害情報プラットフォーム「Flood Hub」で公開されています。

レーダー網を持たない地域への救済

このモデルにはまだ限界もあります。予測の解像度は約20平方キロメートルと粗く、現地の降水レーダー情報を直接取り込んでいないため、米国立気象局のような高精度システムには及びません。

しかし、このプロジェクトの真の狙いは、高価な気象観測インフラを整備できない地域を救うことにあります。南部アフリカ開発共同体の緊急対応担当者であるアントニオ・ホセ・ベレザ氏は、このモデルの導入によって洪水への初動対応を迅速化できたと評価しています。

水文予測を手がけるUpstream Techのマーシャル・ムートノットCEOも、地球物理学において検証可能な真値データの不足は最大の課題であり、ニュースからデータを生み出す手法は極めて独創的だとコメントしました。

Googleはこの手法を今後、鉄砲水だけでなく地滑りや熱波など、記録が散逸しやすい他の気候災害のデータ化にも広げていく方針です。

なぜ重要か

Groundsourceの取り組みは、大規模言語モデルを文章生成ではなく、科学研究のボトルネックである教師データの生成ツールとして使った極めてスマートな好例だと評価できます。

気象レーダーを設置する財政的余裕がない発展途上国の自治体や住民にとって、GoogleのFlood Hubを通じて24時間前に危険を把握できる価値は計り知れません。精度が多少粗くとも、何の情報もなく突然濁流に呑まれる状況に比べれば格段の進歩です。

ただし、報道そのものが持つ偏りには注意が必要です。ニュースは人口密集地や通信インフラの整った地域に集中しがちで、メディアが立ち入らない過疎地の被災は見落とされる恐れがあります。テキスト頼りのデータセットが、将来の防災格差を固定化してしまわないかの検証は欠かせません。

それでも、自社の大規模言語モデルとGoogleマップの地理空間データを巧みに組み合わせ、競合が手を出せなかった気候変動適応の領域で実用的な解を出してきた点は、プラットフォーマーとしての強みを最大限に活かした動きと言えます。