Büyük Dil Modelleri ve Geri Getirme Destekli Üretimle Küresel Haberlerden Afet Öyküleri ve Bilgi Grafikleri

Manşetleri Yararlı Öykülere Dönüştürmek

Sel, orman yangını veya salgın gibi bir olay meydana geldiğinde, haber raporları resmi istatistikler veya ayrıntılı çalışmalardan çok daha hızlı gelir. Bu makalelerde gömülü olan ipuçları ne olduğu, kimlerin en çok etkilendiği ve hangi eylemlerin yardımcı olduğu gibi bilgileri içerir. Bu çalışma, gelişmiş yapay zekâ kullanarak on yıllık küresel afet haberlerini yapısal öykülere ve nedensellik haritalarına dönüştüren yeni, açık bir veri kümesini tanımlıyor; bu sayede araştırmacılar, planlamacılar ve acil durum hizmetleri afetlerin nasıl geliştiğini ve risklerin nasıl bağlandığını daha iyi anlayabiliyor.

Ham Haberlerden Yapılandırılmış Olay Öykülerine

Yazarlar, dünya çapında binlerce büyük olayı listeleyen güvenilir bir küresel afet kataloğu olan EM-DAT ile başlıyor. 2014 ile 2024 arasındaki her olay için çok dilli büyük bir haber arşivi olan Europe Media Monitor’da, İngilizce haber kapsamına odaklanarak arama yapıyorlar. Modern yapay zekâ araçlarını kullanarak, belirli bir sel, deprem, sıcak hava dalgası veya diğer tehlikeler hakkında gerçekten konuşan milyonlarca makaleyi elemek için tarama yapıyorlar. Elde edilen makalelerin yalnızca küçük bir kısmı bu elden geçirme sürecinden sağ çıkıyor, ancak kalanlar her olay hakkında zengin ve odaklanmış bilgi sağlıyor.

Yapay Zekâ Nasıl Anlatılar ve Nedensellik Haritaları Oluşturuyor

İlgili makaleler toplandıktan sonra, her afet için yapılandırılmış bir bilgi formu veya “öykü dizisi” yazması istenen büyük bir dil modeli kullanılıyor. Bu anlatılar açık bir şablonu izliyor: ne oldu ve nerede, ne kadar şiddetliydi, ana etkenler, kimlerin ve nelerin maruz kaldığı, temel etkiler, olası dolaylı riskler ve müdahale ile iyileşme önlemleri. İkinci adımda aynı tür modeller bu öyküyü okuyor ve “aşırı yağış sele neden olur” veya “erken uyarı sistemleri can kaybını önler” gibi üçlüler biçiminde basit nedensellik ifadelerini çıkarıyor. Bu ifadeler daha sonra tehlikeler, etkenler, etkiler ve müdahaleleri birbirine bağlayan ağ benzeri diyagramlar olan bilgi grafiklerine derleniyor.

Yeni Veri Kümesi Neleri İçeriyor

Ortaya çıkan veri kümesi, depremler ve fırtınalardan kuraklık ve salgınlara kadar 26 tehlike türü boyunca 175 ülkede 3.158 afet olayını kapsıyor. Tek bir CSV dosyasındaki her satır, EM-DAT’tan standart bilgileri AI tarafından yazılmış öykü dizisi ve çıkarılan nedensellik üçlüleriyle birlikte içeriyor. Çevrimiçi bir pano kullanıcıların olayları ülkeye, türe ve olay koduna göre gözden geçirmesine ve ardından hem anlatıyı hem de ilgili grafiği incelemesine olanak tanıyor. Sistem on yıl boyunca tüm EM-DAT olaylarının yalnızca yaklaşık yarısını yakalasa da, bildirilen ekonomik kayıpların yaklaşık %80’ini kapsıyor; bu da en yıkıcı afetlere verilen yoğun medya ilgisini yansıtıyor.

Saha Uzmanlarıyla Kalite Testi

Afet risk yönetimi yüksek riskli bir alan olduğundan, ekip yapay zekâ tarafından oluşturulan grafiklerin ne kadar güvenilir olduğunu dikkatle test etti. Altı uzman rastgele seçilmiş 1.000 nedensellik ifadesini inceledi ve her birinin kaynak metin tarafından desteklenip desteklenmediğini değerlendirdi. Genel olarak, ifadelerin neredeyse üçte ikisi çoğunluk oyuyla doğru olarak değerlendirildi ve uzmanlar arasında orta düzeyde bir uyum gözlendi. Ayrı bir çalıştayda yaklaşık 30 Avrupa sivil koruma ajansından afet profesyoneli 34 tam grafiği gözden geçirdi. Değerlendirmelerin çoğu özellikle sel ve fırtına gibi daha iyi belgelenmiş olaylar için “tamamen doğru” veya “çoğunlukla doğru” kategorisine girdi. Küçük bir çevrimiçi anket, katılımcıların genel olarak anlatıları doğru ve grafikleri karmaşık durumları kavramada bir dereceye kadar faydalı bulduklarını gösterdi.

Gelecek Afetler İçin Neden Önemli

Genel halk ve karar vericiler için ana mesaj, bu projenin yapay zekânın bunaltıcı afet haber akışlarını anlamaya yardımcı olabileceğini gösterdiği. Dağınık raporları tutarlı öykülere ve neyin neye yol açtığını gösteren basit haritalara dönüştürerek veri kümesi daha iyi risk değerlendirmeleri, senaryo planlaması ve erken uyarı tasarımını destekliyor. Yazarlar, grafiklerinin gerçekliğin kusursuz veya eksiksiz modelleri olmadığını ve haber kaynakları ile İngilizce dil yanlılığının önemli boşluklar bıraktığını vurguluyor. Yine de, tüm veri, kod ve istemlerin açıkça paylaşılması sayesinde başkaları yöntemi geliştirebilir, genişletebilir ve uyarlayabilir. Uzun vadede, bu tür araçlar bir sonraki kriz geldiğinde toplumların daha hızlı ve daha akıllıca yanıt vermesine yardımcı olabilir.

Atıf: Ronco, M., Bandelli, L., Bertolini, L. et al. Disaster Storylines and Knowledge Graphs from Global News with Large Language Models and Retrieval-Augmented Generation. Sci Data 13, 689 (2026). https://doi.org/10.1038/s41597-026-07036-2

Anahtar kelimeler: afet riski, bilgi grafikler, haber verileri, büyük dil modelleri, erken uyarı