Οι πλημμύρες αποτελούν μία από τις πιο θανατηφόρες και δύσκολα προβλέψιμες φυσικές καταστροφές παγκοσμίως, στοιχίζοντας τη ζωή σε περισσότερους από 5.000 ανθρώπους ετησίως. Η Google, μέσω του ερευνητικού της σκέλους, ανακοίνωσε στις 12 Μαρτίου 2026 το Groundsource, ένα πρωτοποριακό σύστημα που χρησιμοποιεί το γλωσσικό μοντέλο Gemini για να «διαβάσει» το παρελθόν και να προβλέψει το μέλλον της κλιματικής κρίσης.
Πρόκειται για την πρώτη φορά που η εταιρεία χρησιμοποιεί Large Language Models (LLMs) για μετεωρολογικούς σκοπούς, υιοθετώντας μια αντισυμβατική προσέγγιση: αντί να βασίζεται αποκλειστικά σε αισθητήρες εδάφους -που συχνά απουσιάζουν από τις αναπτυσσόμενες χώρες – χρησιμοποιεί τις δημοσιογραφικές ανταποκρίσεις των τελευταίων δύο δεκαετιών ως «ψηφιακούς αισθητήρες».
Η μεθοδολογία Groundsource: Από την είδηση στα δεδομένα
Flash flood prediction models need historical data and model training that often doesn't exist. Our solution: Groundsource, a new AI-powered methodology that uses Gemini to transform 5M+ global reports into a precise dataset of 2.6M+ flood events.
📍 Η εξέλιξη της είδησης: GEMINI
This provides a massive,…
— Google Research (@GoogleResearch) March 12, 2026
Η πρόκληση στην πρόβλεψη των αστικών πλημμυρών είναι η έλλειψη ιστορικών δεδομένων. Ενώ τα ποτάμια διαθέτουν σταθμούς μέτρησης στάθμης, οι δρόμοι των πόλεων δεν έχουν ανάλογες υποδομές. Για να καλύψει αυτό το κενό, η Google ανέθεσε στο Gemini την ανάλυση 5 εκατομμυρίων ειδησεογραφικών άρθρων από όλο τον κόσμο, που χρονολογούνται από το 2000.
Το Gemini κατάφερε να απομονώσει 2,6 εκατομμύρια αναφορές πλημμυρών, μετατρέποντας το αδόμητο κείμενο των ειδήσεων σε μια καθαρή, γεωγραφικά προσδιορισμένη βάση δεδομένων (geo-tagged time-series data). Το Groundsource λειτούργησε ως εξής:
- Εντόπισε την ακριβή ημερομηνία και ώρα της πλημμύρας.
- Προσδιόρισε τις συγκεκριμένες γειτονιές ή δρόμους μέσω του Google Maps.
- Ταξινόμησε τα γεγονότα χρονολογικά, δημιουργώντας έναν παγκόσμιο χάρτη ιστορικής επικινδυνότητας.
Αυτά τα δεδομένα χρησιμοποιήθηκαν στη συνέχεια για την εκπαίδευση ενός νευρωνικού δικτύου τύπου LSTM (Long Short-Term Memory), το οποίο συνδυάζει το ιστορικό αρχείο με τρέχουσες μετεωρολογικές προγνώσεις για να εκτιμήσει την πιθανότητα πλημμύρας έως και 24 ώρες νωρίτερα.
Flood Hub και παγκόσμια κάλυψη
Introducing Groundsource: a new AI-powered methodology that transforms public information into a high-quality record of historical disaster data — starting with flash floods in urban areas. Using Groundsource we trained a new model that makes tangible progress towards predicting… pic.twitter.com/MsZoQJ9twe
— Yossi Matias (@ymatias) March 12, 2026
Τα αποτελέσματα της έρευνας ενσωματώνονται ήδη στην πλατφόρμα Flood Hub, η οποία παρέχει πλέον προειδοποιήσεις για αστικές πλημμύρες σε 150 χώρες. Η Google μοιράζεται αυτά τα στοιχεία με υπηρεσίες έκτακτης ανάγκης παγκοσμίως, βοηθώντας στην ταχύτερη απόκριση σε τοπικά έντονα καιρικά φαινόμενα.
Η Juliet Rothenberg, επικεφαλής του προγράμματος Crisis Resilience της Google, τόνισε ότι το Groundsource βοηθά στην «επαναφορά της ισορροπίας» στον παγκόσμιο χάρτη δεδομένων. Σε περιοχές του Παγκόσμιου Νότου, όπου οι κυβερνήσεις δεν διαθέτουν ακριβά δίκτυα ραντάρ, οι ειδήσεις γίνονται το κλειδί για τη δημιουργία αξιόπιστων μοντέλων πρόβλεψης.
Περιορισμοί και σύγκριση με παραδοσιακά συστήματα
Παρά την καινοτομία, το σύστημα έχει ορισμένους τεχνικούς περιορισμούς:
- Ανάλυση περιοχής: Το μοντέλο μπορεί να εντοπίσει κίνδυνο σε περιοχές έκτασης 20 τετραγωνικών χιλιομέτρων, κάτι που το καθιστά λιγότερο ακριβές από συστήματα όπως της Εθνικής Μετεωρολογικής Υπηρεσίας των ΗΠΑ (NWS).
- Έλλειψη ραντάρ: Επειδή δεν ενσωματώνει δεδομένα τοπικών ραντάρ σε πραγματικό χρόνο, δεν μπορεί να παρακολουθήσει την ακριβή πορεία της βροχόπτωσης λεπτό προς λεπτό.
- Εξάρτηση από την κάλυψη: Σε περιοχές όπου η δημοσιογραφική κάλυψη είναι πενιχρή, το μοντέλο ενδέχεται να παρουσιάζει κενά στην αξιοπιστία του.
Το μέλλον της ανθεκτικότητας (Resilience)
Η Google δεν σκοπεύει να σταματήσει στις πλημμύρες. Η επιτυχία της μετατροπής ποιοτικών πληροφοριών (κείμενο) σε ποσοτικά δεδομένα ανοίγει τον δρόμο για την πρόβλεψη και άλλων φαινομένων, όπως οι καύσωνες και οι κατολισθήσεις.
Την ίδια στιγμή, η εταιρεία συνεχίζει να βελτιώνει το WeatherNext 2, το πιο εξελιγμένο μοντέλο πρόγνωσης καιρού της DeepMind, το οποίο είναι 8 φορές ταχύτερο από τα παραδοσιακά συστήματα που βασίζονται στη φυσική. Η σύγκλιση των γλωσσικών μοντέλων (Gemini) και των μοντέλων μηχανικής μάθησης (DeepMind) φαίνεται πως δημιουργεί μια νέα, πανίσχυρη ασπίδα προστασίας απέναντι στα ακραία καιρικά φαινόμενα του 21ου αιώνα.
- Το Groundsource καλύπτει το κενό δεδομένων σε περιοχές χωρίς αισθητήρες.
- Οι προγνώσεις παρέχονται 24 ώρες πριν την εκδήλωση του φαινομένου.
- Η βάση δεδομένων των 2,6 εκατ. συμβάντων είναι ανοιχτή και διαθέσιμη στην επιστημονική κοινότητα.
