Današnje vremenske prognoze zasnovane su na složenim modelima koji uključuju zakone koji upravljaju dinamikom atmosfere i okeana, a ovi modeli rade na nekim od najmoćnijih superkompjutera koji postoje. Međutim, Alphabet (Guglova matična kompanija) je uspela da predvidi globalne vremenske uslove za narednih 10 dana u samo jednom minutu koristeći jednu mašinu veličine personalnog računara, zahvaljujući veštačkoj inteligenciji koju je razvio DeepMind. The Google AI predviđa vrijeme a ovo je tek počelo.
U ovom članku ćemo vam reći kako Google AI predviđa vrijeme i kako je ova tehnologija evoluirala.
Google AI predviđa vrijeme
Iznenađujuće, ovaj AI sistem nadmašuje većinu modernih sistema za predviđanje vremena u skoro svakom aspektu. Zanimljivo je da se čini da ovog puta umjetna inteligencija služi kao dopuna ljudskoj inteligenciji, a ne kao zamjena.
Evropski centar za srednjoročne vremenske prognoze (ECMWF) ima neverovatno napredan sistem koji je prošle godine pretrpeo veliku nadogradnju, poboljšavajući njegove mogućnosti predviđanja. Domaćin u svojim objektima u Bolonji, Italija, Postoji superkompjuter opremljen sa oko milion procesora (za razliku od dva ili četiri koja se nalaze u personalnom računaru) i izuzetnu računarsku snagu od 30 petaflopsa, što je ekvivalentno nevjerovatnim 30.000 triliona proračuna u sekundi.
Ovaj ogroman računarski kapacitet je neophodan za jedan od njegovih alata, predviđanje visoke rezolucije (HRES), koji precizno predviđa srednjoročne globalne vremenske obrasce, koji Obično se protežu na 10 dana, sa impresivnom prostornom rezolucijom od devet kilometara. Ova predviđanja služe kao osnova za vremenske prognoze koje dostavljaju meteorolozi širom svijeta. Nedavno je GraphCast, umjetna inteligencija koju je razvio Google DeepMind, korišten za mjerenje sposobnosti ovog strašnog sistema u predviđanju vremena.
Rezultati AI studije
Rezultati poređenja, objavljeni u utorak u časopisu Science, otkrivaju da GraphCast nadmašuje HRES u predviđanju brojnih vremenskih faktora. Prema studiji, Googleova mašina nadmašuje ECMWF u 90,3% od 1.380 ispitanih metrika.
Kada se fokusiramo isključivo na troposferu, atmosferski sloj u kojem se dešava većina vremenskih događaja, a izuzimajući podatke iz stratosfere, koja je otprilike 6 do 8 kilometara iznad površine Zemlje, umjetna inteligencija (A.I.) ) nadmašuje superkompjutere pod ljudskim nadzorom u 99,7% slučajevima. analizirane varijable. Iznenađujuće, ovo dostignuće je postignuto korišćenjem mašine koja veoma liči na personalni računar poznat kao tenzor procesorska jedinica ili TPU.
Prema Álvaro Sánchez Gonzálezu, istraživaču u Google DeepMind-u, TPU-ovi su specijalizovani hardver koji nudi efikasniju obuku i izvođenje softvera za umjetnu inteligenciju u poređenju sa normalnim PC-om, zadržavajući pritom sličnu veličinu. Baš kao što se grafička kartica računara fokusira na prikazivanje slika, TPU-ovi su dizajnirani da se istaknu u matričnim proizvodima. Za GraphCast obuku koristili smo 32 TPU-a tokom nekoliko sedmica. Međutim, kada se obuka završi, jedan TPU može generirati predviđanja za manje od minute, kako je objasnio Sánchez González, jedan od kreatora uređaja.
GraphCast i sistemi za predviđanje
Značajna razlika između GraphCast-a i postojećih sistema predviđanja je njegova sposobnost da inkorporira istorijske podatke. Kreatori su obučili sistem koristeći meteorološke podatke iz ECMWF arhive iz 1979. godine. Ovaj opsežni skup podataka pokriva padavine u Santiagu i cikloni koji su uticali na Acapulco u periodu od 40 godina. Nakon značajne količine treninga, GraphCast ima izuzetnu sposobnost generiranja tačnih vremenskih prognoza.
Potrebno je samo poznavanje vremenskih uslova šest sati prije i neposredno prije vaše prognoze da biste precizno predvidjeli vrijeme za sljedećih šest sati. Predviđanja su međusobno zavisna i svaka nova prognoza informiše prethodnu. Ferran Alet, ko-kreator ove impresivne DeepMind mašine, objašnjava njen unutrašnji rad: «Naša neuronska mreža predviđa vremenske uslove šest sati unapred. Da bismo prognozirali vrijeme za 24 sata, jednostavno procjenjujemo model četiri puta. Alternativno, mogli smo trenirati odvojene modele za različite vremenske periode, kao što je jedan za šest sati i jedan za 24 sata. Kako god, "Razumijemo da osnovni principi koji upravljaju vremenom ostaju dosljedni u periodu od šest sati."
"Stoga, ako možemo otkriti odgovarajući 6-satni model i koristiti njegova vlastita predviđanja kao ulaz, možemo precizno prognozirati vrijeme za sljedećih 12 sati i ponavljati ovaj proces svakih šest sati." Prema Aletovim riječima, ovaj pristup pruža značajnu količinu podataka za jedan model, što rezultira efikasnijom obukom.
Do sada su vremenske prognoze bile zasnovane na numeričkom predviđanju vremena, koje koristi naučne jednačine razvijene kroz istoriju da bi se objasnila različita složenost atmosferske dinamike. Nalazi istraživača uspostavljaju skup matematičkih algoritama koji su superračunari mora pokrenuti da bi se generirala predviđanja za sljedećih nekoliko sati, dana ili sedmica (iako se pouzdanost značajno smanjuje nakon 15 dana). Međutim, izvođenje ovog zadatka zahtijeva vrlo napredan superkompjuter, što uključuje značajne troškove i opsežne inženjerske napore.
Google AI model predviđa vrijeme
Ono što je posebno uočljivo jeste da ovi sistemi ne koriste vremenske uslove prethodnog dana pa čak ni prethodne godine, uprkos tome što se dešava na istom mjestu iu isto vrijeme.
Naprotiv, zadatku pristupa iz drugog ugla, gotovo suprotnog. Kroz svoje napredne mogućnosti dubokog učenja, koristi opsežnu arhivu prošlih vremenskih podataka kako bi stekao sveobuhvatno razumijevanje zamršene uzročno-posljedične dinamike koja diktira progresiju Zemljine klime.
Prema riječima Joséa Luisa Casada, portparola španske meteorološke agencije (AEMET), historijski podaci se ne uzimaju u obzir u atmosferskom modelu. Casado pojašnjava da je ovaj model zasnovan na postojećim zapažanjima i najnovijim predviđanjima samog modela. Tačnim razumijevanjem trenutnog stanja atmosfere moguće je predvidjeti njegovo buduće napredovanje. Za razliku od tehnika mašinskog učenja, ovaj pristup ne koristi istorijske podatke ili predviđanja.
Nadam se da uz ove informacije možete saznati više o Googleovoj AI koja predviđa vrijeme i njegove karakteristike.