Днешните прогнози за времето се основават на сложни модели, които включват законите, управляващи динамиката на атмосферата и океаните, и тези модели работят на някои от най-мощните съществуващи суперкомпютри. Alphabet (компанията майка на Google) обаче успя да предвиди глобалните метеорологични условия за следващите 10 дни само за една минута, използвайки една машина с размерите на персонален компютър, благодарение на изкуствения интелект, разработен от DeepMind. The Google AI прогнозира времето и това едва сега започна.
В тази статия ще ви разкажем как Google AI предсказва времето и как се е развила тази технология.
Google AI прогнозира времето
Изненадващо, тази AI система превъзхожда повечето съвременни системи за прогнозиране на времето в почти всеки аспект. Интересното е, че изглежда, че този път изкуственият интелект служи като допълнение към човешкия интелект, вместо да го замества.
Европейският център за средносрочни метеорологични прогнози (ECMWF) разполага с невероятно усъвършенствана система, която претърпя основна модернизация миналата година, подобрявайки нейните възможности за прогнозиране. Домакин в своите съоръжения в Болоня, Италия, Има суперкомпютър, оборудван с приблизително един милион процесора (за разлика от двата или четирите, открити в персонален компютър) и изключителна изчислителна мощност от 30 петафлопа, еквивалентни на удивителните 30.000 XNUMX трилиона изчисления в секунда.
Този огромен изчислителен капацитет е необходим за един от неговите инструменти, прогнозиране с висока разделителна способност (HRES), който точно прогнозира средносрочните глобални метеорологични модели, които Те обикновено обхващат 10 дни, с впечатляваща пространствена разделителна способност от девет километра. Тези прогнози служат като основа за прогнозите за времето, предоставяни от метеоролозите по целия свят. Наскоро GraphCast, изкуствен интелект, разработен от Google DeepMind, беше използван за измерване на възможностите на тази страхотна система за прогнозиране на времето.
Резултати от изследване на AI
Резултатите от сравнението, публикувани във вторник в списание Science, разкриват, че GraphCast превъзхожда HRES при прогнозиране на множество метеорологични фактори. Според проучването, Машината на Google превъзхожда тази на ECMWF в 90,3% от изследваните 1.380 показателя.
Когато се фокусираме единствено върху тропосферата, атмосферния слой, където се случват повечето метеорологични явления, и като изключим данните от стратосферата, която е приблизително на 6 до 8 километра над повърхността на Земята, изкуственият интелект (AI) превъзхожда суперкомпютрите, контролирани от хора, в 99,7% от случаи. анализираните променливи. Изненадващо, това постижение е постигнато с помощта на машина, която много прилича на персонален компютър, известен като тензорен процесор или TPU.
Според Álvaro Sánchez González, изследовател в Google DeepMind, TPU са специализиран хардуер, който предлага по-ефективно обучение и изпълнение на софтуер с изкуствен интелект в сравнение с нормален компютър, като същевременно поддържа подобен размер. Точно както графичната карта на компютъра се фокусира върху изобразяването на изображения, TPU са проектирани да превъзхождат матричните продукти. За GraphCast обучение използвахме 32 TPU в продължение на няколко седмици. Въпреки това, след като обучението приключи, един TPU може да генерира прогнози за по-малко от минута, както обяснява Санчес Гонсалес, един от създателите на устройството.
GraphCast и системи за прогнозиране
Забележителна разлика между GraphCast и съществуващите системи за прогнозиране е способността му да включва исторически данни. Създателите са обучили системата, използвайки метеорологични данни от архива на ECMWF от 1979 г. Този обширен набор от данни обхваща валежите в Сантяго и циклоните, които са засегнали Акапулко за период от 40 години. След значително обучение, GraphCast има забележителната способност да генерира точни прогнози за времето.
Изисква се само познаване на метеорологичните условия шест часа преди и непосредствено преди вашата прогноза, за да прогнозирате точно времето след следващите шест часа. Прогнозите са взаимозависими и всяка нова прогноза информира предишната. Феран Алет, съ-създател на тази впечатляваща машина DeepMind, обяснява нейната вътрешна работа: «Нашата невронна мрежа предвижда метеорологичните условия шест часа предварително. За да прогнозираме времето за 24 часа, ние просто оценяваме модела четири пъти. Като алтернатива бихме могли да обучим отделни модели за различните периоди от време, като един за шест часа и един за 24 часа. Въпреки това, „Разбираме, че основните принципи, които управляват времето, остават последователни в рамките на период от шест часа.“
„Следователно, ако можем да открием подходящия 6-часов модел и да използваме неговите собствени прогнози като входни данни, можем точно да прогнозираме времето за следващите 12 часа и да повтаряме този процес на всеки шест часа.“ Според Алет този подход осигурява значително количество данни за един модел, което води до по-ефективно обучение.
Досега прогнозите за времето се основаваха на числено прогнозиране на времето, което използва научни уравнения, разработени през историята, за да отчете различните сложности на атмосферната динамика. Констатациите на изследователите установяват набор от математически алгоритми, които суперкомпютрите трябва да стартира, за да генерира прогнози за следващите няколко часа, дни или седмици (въпреки че надеждността намалява значително след 15 дни). Изпълнението на тази задача обаче изисква много напреднал суперкомпютър, което включва значителни разходи и обширни инженерни усилия.
Моделът на Google AI предсказва времето
Особено забележително е, че тези системи те не използват метеорологичните условия от предишния ден или дори от предходната година, въпреки че се случва на едно и също място и по едно и също време.
Напротив, подхожда към задачата от различен ъгъл, почти обратното. Чрез своите усъвършенствани възможности за задълбочено обучение, той използва обширни архиви от минали метеорологични данни, за да получи цялостно разбиране на сложната причинно-следствена динамика, която диктува развитието на климата на Земята.
Според Хосе Луис Касадо, говорител на Испанската метеорологична агенция (AEMET), историческите данни не са взети предвид в атмосферния модел. Casado пояснява, че този модел се основава на съществуващи наблюдения и най-скорошната прогноза, направена от самия модел. Чрез точното разбиране на текущото състояние на атмосферата е възможно да се прогнозира нейното бъдещо развитие. За разлика от техниките за машинно обучение, този подход не използва исторически данни или прогнози.
Надявам се, че с тази информация можете да научите повече за AI на Google, който предсказва времето и неговите характеристики.