A nova ferramenta de IA do Google prevê inundações repentinas com até 24 horas de antecedência

As inundações repentinas matam milhares de pessoas todos os anos. Eles atacam rapidamente, atingem as cidades com mais força e, durante décadas, não havia quase nada que os cientistas pudessem fazer para previ-los, porque os dados para treinar modelos de previsão simplesmente não existiam.

Na quinta-feira, o Google disse que encontrou uma maneira de contornar esse problema – lendo as notícias.

A empresa revelou o Groundsource, um sistema que usa Gemini AI para vasculhar milhões de artigos de notícias publicados desde 2000, extrair referências a eventos de inundação e fixar cada um deles em um local e data. O resultado é um conjunto de dados de 2,6 milhões de inundações repentinas históricas, abrangendo mais de 150 países, e agora aberto para qualquer pessoa baixar e usar.

Esse conjunto de dados foi então usado para treinar um novo modelo de IA capaz de prever se uma inundação repentina atingirá uma área urbana nas próximas 24 horas. As previsões estão agora disponíveis no Flood Hub do Google, a mesma plataforma que a empresa já utiliza para alertar cerca de 2 mil milhões de pessoas sobre inundações relacionadas com rios em todo o mundo.

O problema que a Groundsource está resolvendo é surpreendentemente básico. Os rios têm medidores físicos – sensores situados na água que registram níveis há décadas. Foi assim que os meteorologistas aprenderam a prever quando um rio transbordaria. As ruas da cidade não têm nada disso. Quando chuvas intensas atingem o pavimento e sobrecarregam os sistemas de drenagem, as inundações acontecem demasiado rápida e localmente para serem monitorizadas com instrumentos tradicionais.

Sem registros históricos, não é possível treinar um modelo de IA para reconhecer o padrão. A solução do Google foi tratar os artigos de notícias como o sensor ausente.

“Ao transformar informações públicas em dados acionáveis, não estamos apenas analisando o passado – estamos construindo um futuro mais resiliente para todos em direção ao nosso objetivo de que ninguém seja surpreendido por um desastre natural”, afirmou o Google.

Depois de filtrar anúncios, menus de navegação e duplicatas e traduzir artigos de outros idiomas para o inglês, a equipe transformou milhões de descrições de texto confusas em dados de série temporal limpos e geolocalizados.

O modelo treinado com base nesses dados usa uma rede neural LSTM – um tipo de IA construída para processar sequências ao longo do tempo – para ingerir previsões meteorológicas de hora em hora junto com fatores locais como densidade de urbanização, taxas de absorção do solo e topografia. Em seguida, emite um sinal simples: risco médio ou alto de inundação nas próximas 24 horas, para qualquer área urbana com densidade populacional superior a 100 pessoas por quilómetro quadrado.

O sistema tem limitações reais. Ele cobre apenas áreas de cerca de 20 quilômetros quadrados por vez, não pode dizer a gravidade de uma enchente e não terá um bom desempenho em regiões onde a cobertura de notícias é escassa.

Ainda assim, os primeiros resultados são reveladores. Uma autoridade regional para catástrofes na África Austral recebeu um alerta do Centro de Inundações durante a fase beta, confirmou a inundação no terreno e enviou um trabalhador humanitário para gerir a resposta. De acordo com a diretora de resiliência a crises do Google, Juliet Rothenberg, “essa cadeia de eventos, desde uma previsão no Flood Hub até as ações no terreno, é exatamente para o que o Flood Hub foi construído”.