La meteorologia com a ciència està avançant gràcies a el desenvolupament de la tecnologia. El actualitat, hi ha diversos programes informàtics capaços de predir directament quan i on va a ploure. L'empresa de DeepMind ha desenvolupat una intel·ligència artificial capaç de predir gairebé exactament quan i on va a ploure. Aquesta empresa ha treballat amb els meteoròlegs de Regne Unit per poder crear un model que fos millor per fer prediccions a curt termini que els sistemes existents actualment.
En aquest article anem a explicar-te tot el que necessita saber sobre la borsa Robleda la tecnologia de predicció meteorològica de l'empresa DeepMind.
Predicció meteorològica
DeepMind, una empresa d'intel·ligència artificial amb seu a Londres, Continua la seva carrera d'aplicar l'aprenentatge profund a problemes científics difícils. DeepMind ha desenvolupat una eina d'aprenentatge profund anomenada DGMR en cooperació amb l'Oficina Meteorològica de el Servei Meteorològic Nacional Britànic, que pot predir amb precisió la probabilitat de pluja en els pròxims 90 minuts. És un dels reptes més difícils en el pronòstic de el temps.
En una comparació amb les eines existents, desenes d'experts creuen que les prediccions de DGMR són les millors en diversos factors, incloses les seves prediccions de la ubicació, el rang, el moviment i la intensitat de la pluja, el 89% del temps. La nova eina de DeepMind obre una nova clau en biologia que els científics han estat tractant de resoldre durant dècades.
No obstant això, fins i tot les petites millores en les prediccions són importants. Pronosticar pluges, especialment pluges intenses, és fonamental per a moltes indústries, des d'activitats a l'aire lliure fins a serveis d'aviació i emergències. Però fer-ho bé és difícil. Determinar quanta aigua hi ha al cel i quan i on caurà depèn de molts processos climàtics, com els canvis de temperatura, la formació de núvols i el vent. Tots aquests factors són prou complexos en si mateixos, però són més complexos quan es combinen.
La millor tecnologia de predicció existent utilitza una gran quantitat de simulacions per ordinador de la física atmosfèrica. Aquests són adequats per pronòstics a llarg termini, però no són molt bons per predir el que succeirà en la propera hora. Això es diu pronòstic immediat.
Desenvolupament de DeepMind
S'han desenvolupat tècniques d'aprenentatge profund anteriors, però aquestes tècniques solen funcionar bé en un aspecte, com predir la ubicació, ia costa d'un altre, com predir la força. Els daus de radar per pluges intenses que ajuden a predir pluges immediates segueix sent un gran desafiament per als meteoròlegs.
L'equip de DeepMind va utilitzar dades de radar per entrenar la seva IA. Molts països i regions publiquen amb freqüència instantànies dels mesuraments de radar que rastregen la formació i el moviment dels núvols al llarg del dia. Per exemple, al Regne Unit, es publiquen noves lectures cada cinc minuts. A l'ajuntar aquestes instantànies, pot obtenir un vídeo stop-motion actualitzat que mostri com canvia el patró de pluja d'un país.
Els investigadors envien aquestes dades a una xarxa de generació profunda similar a GAN, que és una IA entrenada que pot generar noves mostres de dades que són molt similars a les dades reals utilitzats en l'entrenament. GAN s'ha utilitzat per generar cares falses, inclòs el Rembrandt fals. En aquest cas, DGMR (que significa «Model Generatiu de pluja Profunda») ha après a generar instantànies de radar falses que continuen la seqüència de mesurament real.
Experiments amb la IA de DeepMind
Shakir Mohamed, que va dirigir la investigació en DeepMind, va dir que això és el mateix que veure alguns fotogrames d'una pel·lícula i endevinar què passarà a continuació. Per provar aquest mètode, l'equip va demanar a 56 meteoròlegs de l'Oficina de Meteorologia (que no van participar en el treball) que aprofundissin en les simulacions físiques més avançades i un conjunt d'oponents.
El 89% de les persones van dir que prefereixen els resultats donats per DGMR. Els algoritmes d'aprenentatge automàtic generalment intenten optimitzar una mesura simple de com de bones són les seves prediccions. No obstant això, la previsió meteorològica té molts aspectes diferents. Potser una predicció va obtenir la intensitat de pluja incorrecta en el lloc correcte, O una altra predicció va obtenir la combinació correcta d'intensitats però en el lloc incorrecte, i així successivament.
DeepMind va dir que alliberarà l'estructura de totes les proteïnes conegudes per la ciència. La companyia ha utilitzat la seva intel·ligència artificial de plegament de proteïnes AlphaFold per generar estructures per al proteoma humà, així com per llevats, mosques de la fruita i ratolins.
La col·laboració entre DeepMind i Met Office és un bon exemple de com treballar amb els usuaris finals per completar el desenvolupament de la IA. Òbviament, aquesta és una bona idea, però sovint no succeeix. L'equip va treballar en el projecte durant diversos anys i les aportacions d'experts de l'Oficina de Meteorologia van donar forma a el projecte. Sumen Ravuri, un científic investigador de DeepMind, va dir: «Promou el desenvolupament del nostre model d'una manera diferent a la nostra pròpia implementació». «Si no, podríem haver creat un model que no seria particularment útil a al final».
DeepMind també està ansiós per demostrar que el seu IA té aplicacions pràctiques. Per Shakir, DGMR i AlphaFold són part de la mateixa història: l'empresa utilitza els seus anys d'experiència en la resolució de trencaclosques. Potser la conclusió més important aquí és que DeepMind finalment ha començat a enumerar problemes científics de el món real.
Avenços en la predicció meteorològica
La predicció meteorològica ha de recolzar en el desenvolupament de la tecnologia ja que cada vegada estem més a prop de comprendre el funcionament de la nostra atmosfera del tot. Moltes vegades l'ésser humà i els seus càlculs poden estar subjectes a equivocacions comuns que es poden evitar amb el desenvolupament de la intel·ligència artificial.
La predicció meteorològica és clau per ser humà ja que podem aprofitar amb molta més eficiència els recursos hídrics i evitar algunes catàstrofes en tempestes i pluges intenses. Per això, cada vegada els meteoròlegs es posen més d'acord en desenvolupar projectes d'intel·ligència artificial per a la predicció de les pluges.
Espero que amb aquesta informació puguin conèixer més sobre el projecte de DeepMind i les seves característiques.