Gemini & Physical World: Large Language Models Can Estimate the Intensity of Earthquake Shaking from Multi-Modal Social Media Posts

要約

この論文では、マルチモーダルなソーシャル メディア投稿などの型破りな情報源から、地球の物理現象に関する科学的に価値のある情報を抽出するための新しいアプローチを紹介します。
最先端の大規模言語モデル (LLM)、Gemini 1.5 Pro (Reid et al. 2024) を使用して、これらの非構造化柱からの地震の地面の揺れ強度を推定します。
修正メルカリ強度 (MMI) 値の形式でのモデルの出力は、独立した観測データとよく一致しています。
さらに、私たちの結果は、膨大なインターネットデータで訓練されたLLMが物理現象に対する独自の理解を発展させた可能性があることを示唆しています。
具体的には、Google の Gemini モデルは、地震のマグニチュード、距離、MMI 強度の間の一般的な関係を簡略化して理解しており、確立されたモデルと同一ではないにもかかわらず、観測データを正確に記述しています。
これらの発見は、ジェミニの訓練が物理世界とその現象に対するより広範な理解にどの程度つながったかについて、興味深い疑問を引き起こします。
Gemini のような生成 AI モデルが確立された科学的知識と一致する結果を生成する能力は、地震のような複雑な物理現象に対する私たちの理解を強化する可能性を強調しています。
この研究で提案された柔軟で効果的なアプローチは、物理現象の影響についての理解を深め、自然災害時の回復力を向上させるための計り知れない可能性を秘めています。
この研究は、自然災害の軽減にソーシャル メディアと AI の力を活用するための重要な一歩であり、科学的応用のための生成 AI と LLM の新たな機能を理解するための新たな道を開きます。

要約(オリジナル)

This paper presents a novel approach to extract scientifically valuable information about Earth’s physical phenomena from unconventional sources, such as multi-modal social media posts. Employing a state-of-the-art large language model (LLM), Gemini 1.5 Pro (Reid et al. 2024), we estimate earthquake ground shaking intensity from these unstructured posts. The model’s output, in the form of Modified Mercalli Intensity (MMI) values, aligns well with independent observational data. Furthermore, our results suggest that LLMs, trained on vast internet data, may have developed a unique understanding of physical phenomena. Specifically, Google’s Gemini models demonstrate a simplified understanding of the general relationship between earthquake magnitude, distance, and MMI intensity, accurately describing observational data even though it’s not identical to established models. These findings raise intriguing questions about the extent to which Gemini’s training has led to a broader understanding of the physical world and its phenomena. The ability of Generative AI models like Gemini to generate results consistent with established scientific knowledge highlights their potential to augment our understanding of complex physical phenomena like earthquakes. The flexible and effective approach proposed in this study holds immense potential for enriching our understanding of the impact of physical phenomena and improving resilience during natural disasters. This research is a significant step toward harnessing the power of social media and AI for natural disaster mitigation, opening new avenues for understanding the emerging capabilities of Generative AI and LLMs for scientific applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google