Dnešní předpovědi počasí jsou založeny na složitých modelech, které zahrnují zákony, které řídí dynamiku atmosféry a oceánů, a tyto modely běží na některých z nejvýkonnějších superpočítačů, které existují. Alphabetu (mateřská společnost Googlu) se však díky umělé inteligenci vyvinuté společností DeepMind podařilo během jediné minuty předpovídat globální povětrnostní podmínky na dalších 10 dní za pouhou minutu pomocí jediného stroje o velikosti osobního počítače. The Umělá inteligence Google předpovídá počasí a to teprve začalo.
V tomto článku vám řekneme, jak AI Google předpovídá počasí a jak se tato technologie vyvinula.
Umělá inteligence Google předpovídá počasí
Překvapivě tento systém umělé inteligence předčí většinu moderních systémů předpovědi počasí téměř ve všech aspektech. Zajímavé je, že se zdá, že tentokrát umělá inteligence slouží spíše jako doplněk lidské inteligence, než aby ji nahradila.
Evropské centrum pro střednědobé předpovědi počasí (ECMWF) má neuvěřitelně pokročilý systém, který v loňském roce prošel zásadní modernizací, která zlepšila jeho prediktivní schopnosti. Hostuje ve svých zařízeních v Bologni, Itálie, Existuje superpočítač vybavený přibližně milionem procesorů (na rozdíl od dvou nebo čtyř nalezených v osobním počítači) a mimořádný výpočetní výkon 30 petaflopů, což odpovídá ohromujícím 30.000 XNUMX bilionům výpočtů za sekundu.
Tato obrovská výpočetní kapacita je nezbytná pro jeden z jejích nástrojů, High Resolution Forecasting (HRES), který přesně předpovídá střednědobé globální vzorce počasí, které Obvykle trvají 10 dní s působivým prostorovým rozlišením devíti kilometrů. Tyto předpovědi slouží jako základ pro předpovědi počasí poskytované meteorology po celém světě. Nedávno byla k měření schopností tohoto impozantního systému v předpovědi počasí použita umělá inteligence GraphCast vyvinutá společností Google DeepMind.
Výsledky studie AI
Výsledky srovnání zveřejněné v úterý v časopise Science odhalují, že GraphCast překonává HRES v předpovídání mnoha povětrnostních faktorů. Podle studie Stroj Google překonává ECMWF v 90,3 % z 1.380 XNUMX zkoumaných metrik.
Když se zaměříme pouze na troposféru, atmosférickou vrstvu, kde dochází k většině povětrnostních jevů, a vyjma dat ze stratosféry, která se nachází přibližně 6 až 8 kilometrů nad zemským povrchem, umělá inteligence (A.I.) ) překonává superpočítače pod dohledem člověka v 99,7 % případů. případy. analyzované proměnné. Tohoto úspěchu bylo překvapivě dosaženo pomocí stroje, který se velmi podobá osobnímu počítači známému jako jednotka pro zpracování tenzoru nebo TPU.
Podle Álvara Sáncheze Gonzáleze, výzkumníka z Google DeepMind, jsou TPU specializovaný hardware, který nabízí efektivnější trénink a spouštění softwaru umělé inteligence ve srovnání s běžným PC, při zachování podobné velikosti. Stejně jako se grafická karta počítače zaměřuje na vykreslování obrázků, jsou TPU navrženy tak, aby vynikaly v maticových produktech. Pro školení GraphCast jsme v průběhu několika týdnů použili 32 TPU. Jakmile je však školení dokončeno, jediný TPU může generovat předpovědi za méně než minutu, jak vysvětlil Sánchez González, jeden z tvůrců zařízení.
GraphCast a predikční systémy
Pozoruhodný rozdíl mezi GraphCastem a existujícími predikčními systémy je jeho schopnost začlenit historická data. Tvůrci trénovali systém pomocí meteorologických dat z archivu ECMWF z roku 1979. Tento rozsáhlý soubor dat pokrývá srážky v Santiagu a cyklóny, které zasáhly Acapulco po dobu 40 let. Po značném množství tréninku má GraphCast pozoruhodnou schopnost generovat přesné předpovědi počasí.
Vyžaduje pouze znalost povětrnostních podmínek šest hodin před a bezprostředně před vaší předpovědí, abyste mohli přesně předpovědět počasí za dalších šest hodin. Předpovědi jsou vzájemně závislé a každá nová předpověď informuje tu předchozí. Ferran Alet, spolutvůrce tohoto působivého stroje DeepMind, vysvětluje jeho vnitřní fungování: „Naše neuronová síť předvídá povětrnostní podmínky šest hodin předem. Abychom předpověděli počasí za 24 hodin, jednoduše vyhodnotíme model čtyřikrát. Alternativně bychom mohli trénovat samostatné modely pro různá časová období, například jeden na šest hodin a jeden na 24 hodin. Nicméně, "Chápeme, že základní principy, které řídí počasí, zůstávají konzistentní během šestihodinového období."
"Pokud tedy dokážeme objevit vhodný 6hodinový model a použít jeho vlastní předpovědi jako vstup, můžeme přesně předpovídat počasí na dalších 12 hodin a tento proces opakovat každých šest hodin." Podle Aleta tento přístup poskytuje značné množství dat pro jeden model, což vede k efektivnějšímu školení.
Doposud byly předpovědi počasí založeny na numerické předpovědi počasí, která využívá vědecké rovnice vyvinuté v průběhu historie k vysvětlení různých složitostí dynamiky atmosféry. Zjištění výzkumníků zavádí sadu matematických algoritmů, které superpočítače musí běžet, aby se vygenerovaly předpovědi na několik dalších hodin, dnů nebo týdnů (ačkoli spolehlivost výrazně klesá po 15 dnech). Provedení tohoto úkolu však vyžaduje velmi pokročilý superpočítač, což vyžaduje značné náklady a rozsáhlé inženýrské úsilí.
Model Google AI předpovídá počasí
Zvláště pozoruhodné je, že tyto systémy nevyužívají povětrnostní podmínky předchozího dne nebo dokonce předchozího roku, přestože se vyskytují na stejném místě a ve stejnou dobu.
Naopak k úkolu přistupuje z jiného úhlu, téměř naopak. Prostřednictvím svých pokročilých schopností hlubokého učení využívá rozsáhlé archivy minulých dat o počasí k získání komplexního pochopení složité dynamiky příčin a následků, která diktuje vývoj zemského klimatu.
Podle Josého Luise Casada, mluvčího Španělské meteorologické agentury (AEMET), nejsou v atmosférickém modelu zohledněna historická data. Casado objasňuje, že tento model je založen na existujících pozorováních a nejnovější předpovědi provedené samotným modelem. Přesným pochopením současného stavu atmosféry je možné předpovídat její budoucí vývoj. Na rozdíl od technik strojového učení tento přístup nepoužívá historická data ani předpovědi.
Doufám, že s těmito informacemi se dozvíte více o AI společnosti Google, která předpovídá počasí a jeho vlastnosti.