⚡️ Google представила Groundsource: систему, которая превращает новости в данные с помощью Gemini
Google Research показала новую технологию Groundsource, которая превращает обычные новостные статьи в структурированные датасеты.
Идея простая, но мощная:
в мире публикуются миллионы новостей о событиях, катастрофах и происшествиях, но эти данные неструктурированы и плохо подходят для анализа.
Groundsource решает эту проблему.
Как это работает:
1. Gemini анализирует миллионы новостных статей
2. AI извлекает ключевые факты - место, время и тип события
3. Эти данные превращаются в структурированный датасет
Первый датасет уже создан,
он содержит 2.6 млн исторических случаев внезапных наводнений в 150+ странах.
Ученые долго сталкивались с проблемой - для многих природных катастроф просто нет исторических данных, чтобы обучать модели.
Google решила проблему неожиданным способом -
использовать новостные статьи как источник данных.
На основе Groundsource уже обучена модель, которая может предсказывать flash-flood наводнения до 24 часов заранее.
Прогнозы публикуются в сервисе Flood Hub, где власти и службы реагирования могут видеть зоны риска.
Что это значит для AI:
LLM начинают использоваться не только для генерации текста, а для создания новых датасетов из неструктурированной информации.
Фактически AI превращает интернет-тексты в машиночитаемые данные.
Это открывает огромные возможности:
• климат и природные катастрофы
• экономика
• медицина
• геополитика
• анализ событий в реальном времени
Следующий шаг: LLM смогут автоматически превращать любые текстовые источники в обучающие данные для ML-моделей.
https://research.google/blog/introducing-groundsource-turning-news-reports-into-data-with-gemini/
Google Research показала новую технологию Groundsource, которая превращает обычные новостные статьи в структурированные датасеты.
Идея простая, но мощная:
в мире публикуются миллионы новостей о событиях, катастрофах и происшествиях, но эти данные неструктурированы и плохо подходят для анализа.
Groundsource решает эту проблему.
Как это работает:
1. Gemini анализирует миллионы новостных статей
2. AI извлекает ключевые факты - место, время и тип события
3. Эти данные превращаются в структурированный датасет
Первый датасет уже создан,
он содержит 2.6 млн исторических случаев внезапных наводнений в 150+ странах.
Ученые долго сталкивались с проблемой - для многих природных катастроф просто нет исторических данных, чтобы обучать модели.
Google решила проблему неожиданным способом -
использовать новостные статьи как источник данных.
На основе Groundsource уже обучена модель, которая может предсказывать flash-flood наводнения до 24 часов заранее.
Прогнозы публикуются в сервисе Flood Hub, где власти и службы реагирования могут видеть зоны риска.
Что это значит для AI:
LLM начинают использоваться не только для генерации текста, а для создания новых датасетов из неструктурированной информации.
Фактически AI превращает интернет-тексты в машиночитаемые данные.
Это открывает огромные возможности:
• климат и природные катастрофы
• экономика
• медицина
• геополитика
• анализ событий в реальном времени
Следующий шаг: LLM смогут автоматически превращать любые текстовые источники в обучающие данные для ML-моделей.
https://research.google/blog/introducing-groundsource-turning-news-reports-into-data-with-gemini/