ChatGPT如何在自然灾害中帮助急救人员

　　自推出一年多以来，ChatGPT的能力已广为人知。机器学习模型可以写一篇不错的大学水平的文章，并以几乎类似人类的方式进行对话。

　　但它的语言技能是否也能帮助急救人员在自然灾害中找到遇险人员呢?

　　布法罗大学领导的一项新研究训练ChatGPT识别灾民社交媒体帖子中的位置，从家庭住址到十字路口。

　　提供了精心构建的提示，研究人员的“地理知识引导”GPT模型从飓风哈维期间发送的推文中提取位置数据，准确率比默认GPT模型高76%。

　　“这种人工智能技术的使用可能能够帮助急救人员更快地到达受害者身边，甚至挽救更多的生命，”布法罗大学文理学院地理系副教授胡英杰说，他是这项研究的主要作者，该研究于10月发表在《国际地理信息科学杂志》上。

　　当911系统超载时，灾民经常求助于社交媒体，包括2017年哈维摧毁休斯顿地区期间。

　　然而，在灾难发生期间，急救人员往往没有资源来监控社交媒体动态，跟踪各种标签并决定哪些帖子最紧急。

　　由ub领导的研究团队还包括来自佐治亚大学(University of Georgia)、斯坦福大学(Stanford University)和谷歌(Google)的合作者，他们希望他们的工作可以导致人工智能系统自动处理社交媒体数据，以提供紧急服务。

　　“ChatGPT和其他大型语言模型因其潜在的负面用途而引起争议，无论是学术欺诈还是裁员，所以利用它们的力量为社会造福是令人兴奋的，”胡说。

　　“虽然对ChatGPT的出现有许多重要而有效的担忧，但我们的工作表明，仔细的跨学科工作可以产生这项技术的应用，为社会提供切实的利益，”UB工程与应用科学学院计算机科学与工程系助理教授Kenneth Joseph补充道。

　　想象一条带有紧急但明确信息的推文:德克萨斯州赛普拉斯格兰特街1280号，77249，一个家庭，包括一个站不稳的90岁老人，需要救援。

　　一个典型的模型，比如命名实体识别(NER)工具，会将列出的地址识别为三个独立的实体——grant Street、Cypress和Texas。如果将这些数据用于地理定位，该模型将不会将第一响应者送到格兰特街1280号，而是送到格兰特街的中间，甚至是德克萨斯州的地理中心。

　　胡说，NER工具可以被训练来识别完整的位置描述，但它需要一个大的数据集，准确地标记特定于给定区域的位置描述，这是一个劳动密集型和耗时的过程。

　　胡说:“虽然缺乏标记数据集，但急救人员对当地的位置描述方式有很多了解，无论是餐馆的名字还是热门十字路口的名字。”“所以我们问自己:我们如何才能快速有效地将这些地理知识注入机器学习模型中?”

　　答案是OpenAI的生成预训练变形器(Generative Pretrained Transformers，简称GPT)，这是一种大型语言模型，已经从数十亿个网页中训练出来，能够产生类似人类的反应。胡的团队认为，通过简单的对话和正确的提示，GPT可以快速学会准确地解读社交媒体帖子中的位置数据。

　　首先，研究人员向GPT提供了22条来自哈维飓风受害者的真实推文，他们已经在之前的研究中收集并标记了这些推文。他们告诉GPT，帖子中哪些词描述了一个地点，以及它描述的是什么类型的地点，是地址、街道、十字路口、企业还是地标。

　　然后，研究人员在另外978条哈维飓风推特上测试了地理知识引导的GPT，并要求它提取位置词并自行猜测位置类别。

　　结果:地理知识引导的GPT模型在识别位置描述方面比不提供地理知识的GPT模型好76%，比NER工具好40%。表现最好的是地理知识引导的GPT-3和GPT-4，地理知识引导的ChatGPT仅略微落后。

　　“GPT基本上将它已经阅读过的大量文本与我们提供的具体地理知识示例结合起来，形成它的答案，”胡说。“GPT具有快速学习和快速适应问题的能力。”

　　然而，人性化，即提供一个好的提示，是至关重要的。例如，GPT可能不会考虑两个特定出口之间的一段高速公路作为一个位置，除非特别提示这样做。

　　“这强调了我们作为研究人员尽可能准确和全面地指导GPT的重要性，这样它就可以提供我们需要的结果，”胡说。

　　胡的团队在2022年初开始了GPT-2和GPT-3的工作，后来分别在2022年底和2023年初推出了GPT-4和ChatGPT。

　　“我们的方法很可能适用于未来几年可能出现的新型GPT模型，”胡说。

　　进一步的研究需要使用GPT提取的位置描述来实际定位受害者，也许还需要找到过滤掉与灾难无关或虚假帖子的方法。

　　胡希望他们的努力可以简化人工智能技术的使用，这样应急管理人员就不必为了使用这些技术而成为人工智能专家，而可以专注于拯救生命。

　　“我认为人类与人工智能合作的一个好方法是让我们每个人都专注于我们真正擅长的事情，”胡说。“让人工智能模型帮助我们完成那些更劳动密集型的任务，而我们人类则专注于获取知识，并利用这些知识指导人工智能模型。”

　　更多信息:胡英杰等，地理知识引导的GPT模型改进了灾害相关社交媒体信息中位置描述的提取，国际地理信息科学杂志(2023)。DOI: 10.1080/13658816.2023.2266495由布法罗大学提供引文:ChatGPT如何在自然灾害期间帮助急救人员(2023,12月7日)检索自https://techxplore.com/news/2023-12-chatgpt-natural-disasters.html本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。