我的頻道

* 拖拉類別可自訂排序
恢復預設 確定
設定
快訊

中國籍無證移民 今年首季均值較去年12月減半

指甲異變是健康警訊 八特徵看身體出了什麼問題

雷傑納隆科學獎2023學者榜/侯健坤建新系統 提供即時地震傷亡訊息

2023年雷傑納隆科學獎學者侯健坤。(受訪者提供)
2023年雷傑納隆科學獎學者侯健坤。(受訪者提供)

南加州地區處於地震帶,根據斷層的地震週期推算,近年內可能會面臨規模較大的地震。當災害發生後,快速準確提供人員傷亡信息,對於評估災情損失及採取有效的救災措施至關重要。侯健坤(James Hou)研究即時和精準提供地震傷亡信息,對於救災賑災具有實用意義。

侯健坤是聖地牙哥地區主教學校(Bishops School)應届畢業生,他的課題名為「使用少樣本大語言模型,從社交媒體檢索接近實時地震人員傷亡信息」(Near Real-Time Seismic Human Fatality Information Retrieval From Social Media With Few-Shot Large-Language Models),例如,PAGER系統結合線上報告的傷亡人數和損失預測模型,提供預計的地震損失。近年來,臉書(Facebook)和推特(Twitter)等社交平台已成為災害事件中目擊者報告和溝通的熱點,產生了大量即時的傷亡信息。然而,社交媒體數據在文法和準確性方面都非常雜亂,因此需要更好的解決方案。

侯健坤介紹,在這項研究中,他們設計並部署了一個新的在線系統,該系統在地震發生後立即從各種信息源中,自動提取接近實時的多語言的人員傷亡信息數據。過去的研究提出使用流行的機器學習方法,如支持向量機(SVMs)、CNN和邏輯回歸,結合關鍵詞來對每條社交媒體消息的相關性進行分類。

然而,這些技術受制於對自然災害發生時不可用的註釋數據的要求,並且不能直接提取災害信息,而是依賴於對其分類結果的統計分析。為了應對這些挑戰,他們提出了一種基於大語言模型的方法,該方法利用其強大的語言理解能力和少樣本學習能力,結合新穎的多語言分層事件分類器,實現了從社交媒體有效地自動檢索地震傷亡信息,通過框架部署到最近的兩次地震來測試這一點。

對於當選STS學者,侯健坤非常感謝導師、老師和家人,在他的學習、研究和人工智能(AI) 過程中給予的幫助。最重要的是他的研究對現實世界和挽救生命產生了影響,這會促使他繼續探索並保持好奇心。侯健坤已經完成了大學申請,未來繼續學習計算機科學,尤其是用來構建項目的人工智能(AI)領域。

地震 人工智能 AI

上一則

生前信託保傳承 不給身後留遺憾

下一則

林大衛提醒大家 房屋保險一定要買 買地震險確保萬無一失

超人氣

更多 >