谷歌和亚马逊网络服务 (AWS) 强调了各自在机器学习 (ML) 模型方面的工作，这些模型可以帮助各国应对世界各地日益频繁发生的环境危机。
随着 2021 年英国联合国气候变化大会 (COP26) 本周闭幕，这些公司表示他们正在努力应对洪水和野火等气候变化影响。
洪水
谷歌发表了一篇关于其带有机器学习模型的洪水预报系统的未经同行评审的论文，它声称“向机构和公众提供准确的实时洪水预警，重点是大型、有测量的河流中的河流洪水”。 该论文由谷歌研究院和以色列耶路撒冷希伯来大学的研究人员撰写。
谷歌于 2018 年启动的洪水预报计划向受洪水影响地区的人们的智能手📱机发送警报。 它是谷歌危机应对计划的一部分，该计划与一线和应急工作人员合作开发技术。
自 2018 年以来，该计划已扩展到印度和孟加拉国的大部分地区，涵盖约 2.2 亿人口的地区。 到 2021 年季风季节，这一范围进一步扩大，覆盖了 3.6 亿人居住的地区。
“多亏了更好的洪水预测技术，我们发出了超过 1.15 亿条警报——这大约是我们之前发出的警报量的三倍，”谷歌工程和危机应对主管副总裁 Yossi Matias 在一篇博文中说。
谷歌的警报不仅仅表明河流将上涨多少厘米。 由于其使用长短期记忆 (LTSM) 深度神经网络的新机器学习模型，它现在可以提供“洪水地图”，在谷歌地图上以图层形式显示洪水的范围和深度。
研究人员争辩说，“LSTM 模型比根据每个盆地的长期数据记录校准的概念模型表现得更好”。
谷歌的研究人员说：“虽然之前的研究提供了令人鼓舞的结果，但很少能找到以 ML 模型为核心组件的实际操作系统能够计算及时准确的洪水警报。”
火灾
与此同时，AWS 一直在与总部位于澳大利亚墨尔本的能源公司 AusNet 合作，帮助减轻该地区的丛林大火。
AusNet 拥有 54,000 公里的电力线，为维多利亚州约 150 万户家庭和企业输送能源。 据估计，62% 的网络位于丛林大火高风险地区。
AusNet 一直在使用配备谷歌地图式 LiDAR 摄像头和 Amazon SageMaker 机器学习的汽车来绘制该州需要修剪以阻止丛林大火威胁的植被区域。 它以前的系统依赖于 GIS（地理信息系统）并使用自定义工具来标记 LiDAR 点。
AusNet 与 AWS 合作，通过使用 AWS 的托管深度学习模型、GPU 实例和 S3 存储，自动对 LiDAR 点进行分类。
AusNet 和 AWS 构建了一个语义分割模型，可以准确地将 3D 点云数据分类为导体、建筑物、电线杆、植被和其他类别，AWS 在一篇博文中指出。
“该团队能够以每个时期 10.8 分钟的速度在 1,571 个文件中的 17.2 GiB 未压缩数据上训练模型，总计约 6.16 亿个点。为了推断，该团队能够处理 15 个文件中 33.6 GiB 的未压缩数据，总计 22.1 小时内有 12 亿个点。这意味着平均每秒推理 15,760 个点，包括摊销的启动时间，”AWS 表示。
AusNet 的产品经理 Daniel Pendlebury 说：“能够快速准确地标记我们的航测数据是将丛林大火风险降至最低的关键部分。”
“通过与 Amazon Machine Learning Solutions Lab 合作，我们能够创建一个在数据标记方面达到 80.53% 平均准确度的模型。我们希望通过新解决方案能够将我们的手动标记工作量减少多达 80%。”
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66576.html
