Quiz lié à un guide · Moyen Niveau
Quiz sur l'IA dans les interventions en cas de catastrophe
Testez les prévisions d'inondations, les images de dégâts, les modèles météorologiques basés sur des graphiques, la classification des messages de crise, les dépendances des infrastructures et les limites des résultats du modèle.
Question 1 de 8
What does Google's Flood Hub provide to its users?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- What does Google's Flood Hub provide to its users?
- A guarantee that every flood is predicted perfectly
- Model-based flood forecasts and related location-specific information
- Physical flood barriers constructed by software
- Automatic confirmation of every social-media report
- Comment les systèmes d’IA cartographient-ils généralement les dommages aux bâtiments après une catastrophe ?
- En interrogeant chaque résident
- En devinant d'après les nouvelles
- En comptant les appels téléphoniques
- Par détection des changements en comparant les images avant et après
- What modeling approach is central to the GraphCast weather-forecasting study?
- A graph neural network trained for global weather forecasting
- A rule that no weather observations are needed
- A speech-only transcription model
- A guarantee of identical performance on every hazard and machine
- Pourquoi les modèles de réponse aux catastrophes peuvent-ils avoir du mal à faire face aux nouveaux événements ?
- Les catastrophes sont trop fréquentes
- Ils ne travaillent qu'en été
- Les modèles formés sur des événements passés ne peuvent pas être généralisés à des événements nouveaux
- Ils ne nécessitent aucune donnée de formation
- What disaster-information function did the AIDR project demonstrate for microblog messages?
- Guaranteed automatic verification of every message's location and truth
- Prediction of all future earthquakes from punctuation
- Replacement of every responder's decision with a text label
- Supervised classification of crisis-related messages using labeled examples
- Why should a disaster-information workflow account for communication and power dependencies?
- Every network is guaranteed to remain available during an event
- Infrastructure disruptions can prevent the workflow from receiving or sharing needed data
- Power supply never affects communication equipment
- A model's confidence restores damaged infrastructure automatically
- What should a crisis-message classification label establish by itself?
- That the claimed need is definitely current and verified
- That every reported location has been measured precisely
- Only the model's classification, with the post's time, location, and factual support still needing assessment
- That the message must be genuine because it contains a disaster keyword
- Why is a difference between pre- and post-event satellite images not automatically proof of building damage?
- Image timing, alignment, visibility, and other scene changes can also affect the comparison
- Every changed pixel has exactly one possible cause
- The image file extension establishes a physical damage class
- No post-event image can contain any useful evidence