鉄砲水は予測が非常に難しいことで知られているが、Googleは全く新しい解決策を提案した。「グラウンドソース」と呼ばれる洪水予測ツールGoogleは、Gemini言語モデルを用いて過去のニュース記事から関連データを抽出することで、突発的な洪水発生の可能性を予測できるようになった。これはGoogleがこのような予測に言語モデルを用いる初めての試みであるだけでなく、気象インフラが整備されていない地域における早期の災害対策への希望をもたらすものでもある。
何百万ものニュース記事を気象ビッグデータに変換する
従来、地域災害を予測できるAIモデルのトレーニングは、十分な地域履歴データの不足によってしばしば制限されていた。しかし、GroundsourceはGeminiモデルを用いて、世界中から集められた最大500万件のニュース記事を精査し、洪水に関する記事を選別している。
次に、システムはこのテキストデータを地理情報付きの記録に変換し、各イベントを時系列順にリスト化します。研究者たちはこのデータを用いて、最新の天気予報を受信し、Groundsourceの過去のデータを活用して特定の地域における突発的な洪水発生の可能性を推定できる新しいモデルを訓練します。
現在、Googleはすでに...その「洪水ハブ」プラットフォームGoogleは、150か国の都市部における洪水リスクを特定しました。また、これらの地域の緊急対応機関に予測データを提供し、現地の災害対策担当者を支援しています。
現時点では予測モデルの精度に関する具体的な情報はないものの（Googleは検証に時間がかかるとしている）、あるテストユーザーは、このシステムが組織が局地的な気象災害に迅速に対応するのに役立ったと述べている。
鉄砲水予測モデルには、過去のデータとモデル学習が必要ですが、それらはしばしば存在しません。そこで私たちが開発したのが、Geminiを活用して5万件以上の世界中の報告を2.6万件以上の洪水イベントの正確なデータセットに変換する、AIを活用した新しい手法「Groundsource」です。
これは膨大な量を提供します…
— Googleリサーチ（@GoogleResearch） 2026 年 3 月 12 日
気象インフラが不足している地域向けに特別に設計されたソリューション
もちろん、新興技術であるGroundsourceの予測モデルには、いくつかの固有の限界があります。例えば、現時点では20平方キロメートルの範囲しか危険区域を特定できません。また、Googleのモデルはローカルレーダーデータを統合していないため、リアルタイムの降雨追跡データを取り込むことができず、その精度は米国国立気象局の洪水警報システムほど高くありません。
しかし、このプラットフォームはもともと、気象観測インフラが一般的に不足している地域で機能するように設計されたものである。
Googleのレジリエンスチームのプロジェクトマネージャーであるジュリエット・ローテンバーグ氏は、この技術は熱波や地滑りといった予測不可能な自然現象の予測にも応用できる可能性があると指摘した。さらに詳しい説明ジュリエット・ローテンバーグ氏は、「私たちは何百万もの報告書を収集しており、それによって情報が不足している他の地域の状況を推測することができる」と述べた。
GroundsourceはGoogleが気象予報に言語モデルを初めて応用した事例だが、Googleがこの分野で人工知能に頼るのは今回が初めてではない。以前にも、Google DeepMindのWeatherNext 2予報モデルは、その極めて高い精度を既に証明していた。
