一条社交软件消息可能包含大量的信息，例如，它可以告诉我们洪水的位置在哪里，水深多少，洪水泛滥的趋势是怎样的。
随着气候变化的加剧，海平面上升，沿海地区面临巨大的威胁，每年雨季都会遭受洪灾的困扰。
近日，英国邓迪大学的科学家团队向外界展示一项可以用来检测城市内洪涝灾害的技术，该技术是由AI、社交媒体、众包技术组成的。
为了能够开发出一套早期洪涝灾害侦测系统，科学家们首先想到的是研发出一个超归结（hyper-resolution）城市洪涝计算机模型。为了验证该模型的可靠性，科学家需要收集大量的地面真实数据。
然而，如果通过卫星遥感技术进行收集，费用太高，而且在城区使用还会面临干扰；如果在地面安装传感器网络，安装和维持成本也太高。即使选择最普通的方法，由政府人员调查，预算也不低。
为了解决这些问题，团队在Twitter和Mycoast平台上找到了替代方案。Mycoast是一个众包APP，它能够收集大量的沿海环境数据。科学家只要扫描Twitter并搜索相应关键词，就可以找到与洪水有关的信息。其后，科学家只要再通过自然语言处理这一AI技术对信息进行分类就可以了。严重性和位置进行分类。
该团队科学家罗杰·王表示，一条社交消息可能包含很多信息。例如，网友的一段现场纪实文字，就或许涵盖了洪水的位置、水深、泛滥的趋势等多个重要信息。此外，如果用户在社交消息中留下了街道名称、建筑物门牌号等，科学家就可以通过超归结计算模型，精确的定位洪涝发生的位置，这一数据可能是英尺级的。
除了自然语言可以帮助研究人员确定用户位置外，科学家还能够通过计算机视觉技术将洪水照片与非洪水照片进行区分。
研究人员发现，与洪水有关的Twitter消息数量跟高降水量一定的关系，而众包数据又与实际道路封闭事件有关。科学家认为，Twitter这样的平台可以为他们大规模监控提供一些实际帮助，而Mycoast则可以为小规模监控提供富有价值的意见。有了这些工具的帮助，社区可以提前部署，为可能发生的洪灾作准备。
但科学家同时表示，目前这个系统并不成熟，其计算机视觉技术的精准度只有70%，不过他们会继续用Mycoast照片继续训练算法的。
