Περιεχόμενα Άρθρου
Ο τυφώνας Hagibis πλησιάζει την Ιαπωνία το 2019. Η καταιγίδα ήταν ένα από τα γεγονότα που χρησιμοποιήθηκαν για τη μελέτη της ακρίβειας ενός συστήματος πρόβλεψης που βασίζεται σε AI.Πίστωση: NASA Worldview, Earth Observing System Data and Information System (EOSDIS)/AP/Alamy
Το Google DeepMind έχει αναπτύξει το πρώτο μοντέλο τεχνητής νοημοσύνης (AI) του είδους του για να προβλέπει τον καιρό με μεγαλύτερη ακρίβεια από το καλύτερο σύστημα που χρησιμοποιείται αυτή τη στιγμή. Το μοντέλο δημιουργεί προβλέψεις έως και 15 ημέρες νωρίτερα ― και το κάνει σε λεπτά, αντί για τις ώρες που χρειάζονται τα σημερινά προγράμματα προβλέψεων.
Το αμιγώς σύστημα τεχνητής νοημοσύνης ξεπερνά το καλύτερο επιχειρησιακό μοντέλο μέσης εμβέλειας στον κόσμο, το σύνολο του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Προβλέψεων Καιρού (ENS), στην πρόβλεψη ακραίων καιρικών συνθηκών, όπως τυφώνες και καύσωνες. Η ανακάλυψη θα μπορούσε να βοηθήσει στην έναρξη μιας εποχής πρόγνωσης καιρού με τεχνητή νοημοσύνη που είναι ταχύτερη και πιο αξιόπιστη από τα σημερινά συστήματα, λένε οι ερευνητές. Το σύστημα, που ονομάζεται GenCast, περιγράφεται σήμερα στο Φύση1.
Το Superfast Microsoft AI είναι το πρώτο που προβλέπει την ατμοσφαιρική ρύπανση για ολόκληρο τον κόσμο
Οι συμβατικές προβλέψεις, συμπεριλαμβανομένων εκείνων από το ENS, βασίζονται σε μαθηματικά μοντέλα που προσομοιώνουν τους νόμους της φυσικής που διέπουν την ατμόσφαιρα της Γης. Χρησιμοποιούν υπερυπολογιστές για να συλλάβουν δεδομένα από δορυφόρους και μετεωρολογικούς σταθμούς – μια διαδικασία που απαιτεί ώρες και τεράστιες ποσότητες υπολογιστικής ισχύος.
Το GenCast, αντίθετα, έχει εκπαιδευτεί μόνο σε ιστορικά δεδομένα καιρού, τα οποία επιτρέπουν στο σύστημα να καταγράφει σύνθετες σχέσεις μεταξύ μεταβλητών όπως η πίεση του αέρα, η υγρασία, η θερμοκρασία και ο άνεμος. Αυτό το βοηθά να ξεπεράσει τα αυστηρά συστήματα που βασίζονται στη φυσική, λέει ο Ilan Price, ερευνητής στο Google DeepMind στο Λονδίνο και συγγραφέας της εργασίας.
«Έχουμε κάνει πραγματικά δραματική πρόοδο για να προλάβουμε και τώρα να προσπεράσουμε [physics-based models] με μηχανική μάθηση», λέει ο Price.
κύμα AI
Η πρόγνωση καιρού με τεχνητή νοημοσύνη έχει προχωρήσει γρήγορα, με πολλές εταιρείες να αγωνίζονται για την ανάπτυξη νέων και καλύτερων μοντέλων. Ανάμεσά τους και η Huawei2 στο Shenzhen της Κίνας και η Nvidia στη Σάντα Κλάρα της Καλιφόρνια. Νωρίτερα φέτος, η Google κυκλοφόρησε το NeuralGCM3ένα υβριδικό σύστημα που συνδυάζει μοντέλα που βασίζονται στη φυσική με τεχνητή νοημοσύνη για να παράγει βραχυπρόθεσμες και μακροπρόθεσμες προβλέψεις στο ίδιο επίπεδο με τα συμβατικά μοντέλα.
Ορισμένα από τα συστήματα τεχνητής νοημοσύνης που έχουν κυκλοφορήσει μέχρι σήμερα είναι «ντετερμινιστικά» μοντέλα, που σημαίνει ότι προσφέρουν μόνο μία πρόβλεψη και δεν εκτιμούν την πιθανότητα ότι η πρόβλεψη θα είναι σωστή. Αντίθετα, το GenCast δημιουργεί προβλέψεις «συνόλου»: μια σειρά προβλέψεων που έχουν δημιουργηθεί η καθεμία από ελαφρώς διαφορετικές συνθήκες εκκίνησης. Συνδυάζοντας αυτές τις προβλέψεις σε ένα σύνολο, οι επιστήμονες μπορούν να παράγουν μια τελική πρόβλεψη και να εκτιμήσουν την πιθανότητα να συμβεί ο προβλεπόμενος καιρός.
Πώς η μηχανική μάθηση θα μπορούσε να βοηθήσει στη βελτίωση των κλιματικών προβλέψεων
Ο Price και οι συνάδελφοί του εκπαίδευσαν την τεχνητή νοημοσύνη σε παγκόσμια δεδομένα καιρού από το 1979 έως το 2018 και στη συνέχεια προέβλεψαν τον καιρό του 2019. Για να ελέγξουν την ακρίβειά τους, συνέκριναν τις προβλέψεις του GenCast με τα πραγματικά δεδομένα καιρού και τις προβλέψεις της ENS για εκείνο το έτος.
Το GenCast ήταν πιο ακριβές από το ENS στο 97% των μετρήσεων που χρησιμοποιήθηκαν σε μια κάρτα βαθμολογίας για την αξιολόγηση τέτοιων «πιθανολογικών» προβλέψεων. Ήταν επίσης καλύτερος στην πρόβλεψη της ακραίας ζέστης, του κρύου και του ανέμου, καθώς και των τροχιών τροπικών κυκλώνων.
Το GenCast παράγει μία πρόβλεψη 15 ημερών μέσα σε 8 λεπτά σε ένα τσιπ επεξεργασίας AI. Αυτή η ταχύτητα είναι «αρκετά πιο γρήγορη»» από τον χρόνο που χρειάζεται για τα συμβατικά μοντέλα, λέει ο Price.
Κωδικός για όλους
Οι ερευνητές κυκλοφόρησαν τον υποκείμενο κώδικα και καθιστούν διαθέσιμες παραμέτρους του μοντέλου που ονομάζονται «βαρίδια» για μη εμπορική χρήση. Ο Price λέει ότι αυτό θα βοηθήσει στον «εκδημοκρατισμό» της έρευνας και στην αύξηση της πρόσβασης του κοινού στη μοντελοποίηση καιρού.
«Αυτή είναι μια πραγματικά μεγάλη συνεισφορά στην ανοιχτή επιστήμη», λέει ο Matthew Chantry, συντονιστής μηχανικής μάθησης στο Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Προγνώσεων Καιρού στο Ρέντινγκ του Ηνωμένου Βασιλείου. «Πρέπει να καταλάβουμε πώς λειτουργούν αυτά τα μοντέλα στα πιο ακραία καιρικά φαινόμενα» και η δημοσίευση του μοντέλου και των δεδομένων δημόσια θα επιτρέψει στην ερευνητική κοινότητα να τα αξιολογήσει, λέει.
Ο Chantry διάβασε ένα χειρόγραφο της εφημερίδας όταν δημοσιεύτηκε σε ένα προεκτυπωμένο αρχείο πέρυσι και εμπνεύστηκε από την προσέγγιση ‘διάχυσης’ του GenCast, η οποία εισάγει τυχαίο θόρυβο στο μοντέλο για να βελτιώσει την αξιοπιστία του. «Έχουμε εφαρμόσει στην πραγματικότητα μερικές από τις βασικές ανακαλύψεις στο δικό μας μοντέλο μηχανικής μάθησης», λέει. Το μοντέλο που προκύπτει, που ονομάζεται Τεχνητή Νοημοσύνη/Ολοκληρωμένο Σύστημα Πρόβλεψης (AIFS), θα δημοσιευτεί σύντομα, προσθέτει.
Το να έχουμε πιο ακριβείς προβλέψεις νωρίτερα μπορεί να βοηθήσει τους ανθρώπους να λάβουν τεκμηριωμένες αποφάσεις, λέει ο Price, ειδικά για όσους ζουν στο μονοπάτι ενός τυφώνα.
Greek Live Channels Όλα τα Ελληνικά κανάλια:
Βρίσκεστε μακριά από το σπίτι ή δεν έχετε πρόσβαση σε τηλεόραση;
Το IPTV σας επιτρέπει να παρακολουθείτε όλα τα Ελληνικά κανάλια και άλλο περιεχόμενο από οποιαδήποτε συσκευή συνδεδεμένη στο διαδίκτυο.
Αν θες πρόσβαση σε όλα τα Ελληνικά κανάλια
Πατήστε Εδώ
Ακολουθήστε το TechFreak.GR στο Google News για να μάθετε πρώτοι όλες τις ειδήσεις τεχνολογίας.
