Meteorologija kao nauka napreduje zahvaljujući razvoju tehnologije. Trenutno postoji nekoliko računarskih programa koji mogu direktno predvidjeti kada i gdje će padati kiša. Kompanija od DeepMind razvila je umjetnu inteligenciju sposobnu gotovo točno predvidjeti kada i gdje će padati kiša. Ova kompanija je radila sa meteorolozima iz Velike Britanije na stvaranju modela koji je bolji za kratkoročna predviđanja od sadašnjih sistema.
U ovom članku ćemo vam reći sve što trebate znati o torbi Robleda, tehnologiji meteoroloških predviđanja kompanije DeepMind.
Vremenska prognoza
DeepMind, londonska kompanija za umjetnu inteligenciju, nastavlja svoju karijeru primjenjujući duboko učenje na teške naučne probleme. DeepMind je u saradnji sa Met Officeom britanske nacionalne meteorološke službe razvio alat za duboko učenje pod nazivom DGMR, koji može precizno predvidjeti vjerovatnoću kiše u narednih 90 minuta. To je jedan od najtežih izazova u prognoziranju vremena.
U usporedbi s postojećim alatima, desetine stručnjaka vjeruje da su predviđanja DGMR -a najbolja za nekoliko faktora, uključujući predviđanja lokacije, raspona, kretanja i intenziteta kiše, 89% vremena. Novi alat DeepMinda otvara novi ključ u biologiji koji naučnici pokušavaju riješiti decenijama.
Međutim, čak i mala poboljšanja u predviđanjima su važna. Predviđanje kiše, posebno jake kiše, kritično je za mnoge industrije, od aktivnosti na otvorenom do zračnih usluga i hitnih slučajeva. Ali teško je to ispraviti. Određivanje količine vode na nebu i kada i gdje će pasti ovisi o mnogim klimatskim procesima, poput promjena temperature, stvaranja oblaka i vjetra. Svi su ovi faktori sami po sebi dovoljno složeni, ali su složeniji u kombinaciji.
Najbolja dostupna tehnologija predviđanja koristi veliki broj kompjuterskih simulacija fizike atmosfere. Oni su pogodni za dugoročne prognoze, ali nisu baš dobri u predviđanju onoga što će se dogoditi u narednih sat vremena. To se zove neposredna prognoza.
DeepMind razvoj
Ranije su razvijene tehnike dubokog učenja, ali one obično dobro funkcioniraju u jednom pogledu, poput predviđanja lokacije, a na štetu drugog, poput predviđanja sile. Radarski podaci za jaku kišu koji pomažu u predviđanju trenutne kiše i dalje predstavljaju veliki izazov za meteorologe.
DeepMind tim koristio je radarske podatke za obuku svoje umjetne inteligencije. Mnoge zemlje i regije često objavljuju snimke radarskih mjerenja koja prate stvaranje i kretanje oblaka tokom dana. Na primjer, u Velikoj Britaniji nova čitanja objavljuju se svakih pet minuta. Sastavljanjem ovih snimaka možete dobiti ažuriran video zapis zaustavljanja koji prikazuje kako se mijenja način kiše u nekoj zemlji.
Istraživači šalju ove podatke u mrežu dubokih generacija sličnu GAN -u, koji je obučena umjetna inteligencija koja može generirati nove uzorke podataka koji su vrlo slični stvarnim podacima koji se koriste u obuci. GAN je korišten za generiranje lažnih lica, uključujući lažnog Rembrandta. U ovom slučaju, DGMR (što znači "Generativni model duboke kiše") je naučio generirati lažne snimke radara koji nastavljaju stvarni niz mjerenja.
DeepMind eksperimenti sa AI
Shakir Mohamed, koji je vodio istraživanje u DeepMind -u, rekao je da je to isto kao da gledate nekoliko fotografija iz filma i nagađate šta će se sljedeće dogoditi. Kako bi testirali ovu metodu, tim je zamolio 56 meteorologa iz Zavoda za meteorologiju (koji nisu bili uključeni u rad) da se pozabave naprednijim fizičkim simulacijama i nizom protivnika.
89% ljudi reklo je da preferira rezultate koje je dao DGMR. Algoritmi mašinskog učenja općenito pokušavaju optimizirati na jednostavan način koliko su vaša predviđanja dobra. Međutim, vremenska prognoza ima mnogo različitih aspekata. Možda je predviđanje dovelo do pogrešnog intenziteta kiše na pravom mjestu, ili je drugo predviđanje dobilo ispravnu kombinaciju intenziteta, ali na pogrešnom mjestu, itd.
DeepMind je rekao da će osloboditi strukturu svih proteina poznatih nauci. Kompanija je upotrijebila svoj AlphaFold sklopivi protein umjetne inteligencije za stvaranje struktura za ljudski proteom, kao i za kvasac, voćne mušice i miševe.
Saradnja između DeepMinda i Met Officea dobar je primjer rada s krajnjim korisnicima na dovršenju razvoja umjetne inteligencije. Očigledno je ovo dobra ideja, ali to se često ne događa. Tim je radio na projektu nekoliko godina, a doprinos stručnjaka iz Zavoda za meteorologiju oblikovali su projekt. Suman Ravuri, istraživač u DeepMind -u, rekao je: "Promovira razvoj našeg modela na drugačiji način od naše vlastite implementacije." "U suprotnom bismo mogli stvoriti model koji na kraju ne bi bio posebno koristan."
DeepMind također želi pokazati da njegova umjetna inteligencija ima praktične primjene. Za Shakir, DGMR i AlphaFold dio su iste priče: kompanija koristi njihovo dugogodišnje iskustvo u rješavanju zagonetki. Možda je najvažniji zaključak ovdje da je DeepMind konačno počeo nabrajati stvarne znanstvene probleme.
Napredak u prognoziranju vremena
Prognoze vremena moraju biti podržane razvojem tehnologije kako smo sve bliže i bliže potpunom razumijevanju kako funkcionira naša atmosfera. Mnogo puta ljudsko biće i njegovi proračuni mogu biti podložni uobičajenim greškama koje se mogu izbjeći razvojem umjetne inteligencije.
Prognoza vremena ključna je za ljudsko biće jer možemo mnogo toga iskoristiti efikasnije vodne resurse i izbjeći neke katastrofe u olujama i obilnim kišama. Iz tog razloga, meteorolozi se sve više slažu u razvoju projekata umjetne inteligencije za predviđanje padavina.
Nadam se da ćete s ovim podacima saznati više o projektu DeepMind i njegovim karakteristikama.