Tänased ilmaprognoosid põhinevad keerulistel mudelitel, mis sisaldavad atmosfääri ja ookeanide dünaamikat reguleerivaid seadusi ning need mudelid töötavad mõnes võimsaimas superarvutis. Alphabet (Google'i emafirma) on aga tänu DeepMindi väljatöötatud tehisintellektile suutnud ühe personaalarvuti suuruse masina abil ennustada globaalseid ilmastikutingimusi järgmiseks 10 päevaks vaid ühe minutiga. The Google AI ennustab ilma ja see on alles alanud.
Selles artiklis räägime teile, kuidas Google AI ennustab ilma ja kuidas see tehnoloogia on arenenud.
Google AI ennustab ilma
Üllataval kombel ületab see AI-süsteem peaaegu igas aspektis enamiku kaasaegsete ilmaennustussüsteemide toimivust. Huvitaval kombel näib, et seekord on tehisintellekt pigem inimintellekti täienduseks kui selle asendajaks.
Euroopa Keskmise ulatusega ilmaennustuste keskusel (ECMWF) on uskumatult arenenud süsteem, mis läbis eelmisel aastal põhjaliku uuenduse, parandades selle prognoosimisvõimet. Majutatud oma rajatistes Bolognas, Itaalias, Superarvuti on varustatud ligikaudu miljoni protsessoriga (erinevalt personaalarvutis leiduvast kahest või neljast) ja erakordne arvutusvõimsus 30 petaflopsi, mis võrdub vapustava 30.000 XNUMX triljoni arvutusega sekundis.
See tohutu arvutusvõimsus on vajalik ühe selle tööriista, kõrge eraldusvõimega prognoosimise (HRES) jaoks, mis ennustab täpselt keskpika perioodi globaalseid ilmastikumustreid. Need hõlmavad tavaliselt 10 päeva ja muljetavaldava ruumilise eraldusvõimega üheksa kilomeetrit. Need ennustused on aluseks ilmaprognoosidele, mille meteoroloogid üle maailma esitavad. Hiljuti on Google DeepMindi välja töötatud tehisintellekti GraphCasti kasutatud selle võimsa süsteemi võimekuse mõõtmiseks ilmaennustuses.
AI-uuringu tulemused
Teisipäeval ajakirjas Science avaldatud võrdlustulemused näitavad, et GraphCast ületab paljude ilmastikutegurite ennustamisel HRES-i. Uuringu kohaselt Google'i masin ületab ECMWF-i oma 90,3% 1.380 uuritud mõõdikust.
Kui keskenduda ainult troposfäärile, atmosfäärikihile, kus esineb enamik ilmastikunähtusi, ja kui jätta kõrvale andmed stratosfäärist, mis asub umbes 6–8 kilomeetri kõrgusel Maa pinnast, ületab tehisintellekt (A.I.) 99,7% ulatuses inimese järelevalve all olevaid superarvuteid. juhtudel. analüüsitud muutujad. Üllataval kombel saavutati see saavutus masinaga, mis meenutab väga palju personaalarvutit, mida tuntakse tensorprotsessori või TPU-na.
Google DeepMindi teaduri Álvaro Sánchez Gonzálezi sõnul on TPU-d spetsiaalne riistvara, mis pakub tavalise arvutiga võrreldes tõhusamat tehisintellekti tarkvara väljaõpet ja käivitamist, säilitades samal ajal sarnase suuruse. Nii nagu arvuti graafikakaart keskendub piltide renderdamisele, on TPU-d loodud maatrikstoodetes silma paistma. GraphCasti koolituseks kasutasime mitme nädala jooksul 32 TPU-d. Kui aga koolitus on lõppenud, üks TPU suudab ennustusi genereerida vähem kui minutiga, nagu selgitas Sánchez González, üks seadme loojatest.
GraphCast ja ennustussüsteemid
Märkimisväärne erinevus GraphCasti ja olemasolevate ennustussüsteemide vahel on selle võime lisada ajaloolisi andmeid. Loojad koolitasid süsteemi, kasutades meteoroloogilisi andmeid ECMWF-i arhiivist aastast 1979. See ulatuslik andmekogum hõlmab vihmasadu Santiagos ja tsüklonid, mis on Acapulcot 40 aasta jooksul mõjutanud. Pärast märkimisväärset treeningut on GraphCastil märkimisväärne võime luua täpseid ilmaennustusi.
Ilma täpseks ennustamiseks veel kuue tunni pärast on vaja ainult teadmisi ilmastikuoludest kuus tundi enne ja vahetult enne prognoosi. Ennustused on üksteisest sõltuvad ja iga uus prognoos teavitab eelmist. Ferran Alet, selle muljetavaldava DeepMindi masina kaaslooja, selgitab selle sisemist tööd: «Meie närvivõrk näeb ilmastikutingimusi kuus tundi ette. 24 tunni ilma ennustamiseks hindame mudelit lihtsalt neli korda. Teise võimalusena oleksime võinud koolitada erinevateks perioodideks eraldi mudeleid, näiteks ühe kuue tunni ja ühe 24 tunni jooksul. Kuid, "Me mõistame, et ilmastikupõhimõtted jäävad kuue tunni jooksul järjepidevaks."
"Seega, kui suudame avastada sobiva 6-tunnise mudeli ja kasutada sisendina selle enda ennustusi, saame järgmise 12 tunni ilma täpselt prognoosida ja seda protsessi korrata iga kuue tunni järel." Aleti sõnul annab see lähenemisviis ühe mudeli jaoks märkimisväärse hulga andmeid, mille tulemuseks on tõhusam koolitus.
Seni on ilmaprognoosid põhinenud arvulisel ilmaennustusel, mis kasutab atmosfääri dünaamika erinevate keerukuste arvessevõtmiseks ajaloo jooksul välja töötatud teaduslikke võrrandeid. Teadlaste leiud loovad matemaatiliste algoritmide komplekti, mida superarvutid kasutavad tuleb käivitada, et luua ennustusi järgmisteks tundideks, päevadeks või nädalateks (kuigi töökindlus väheneb oluliselt üle 15 päeva). Selle ülesande täitmine nõuab aga väga arenenud superarvutit, millega kaasnevad märkimisväärsed kulud ja ulatuslikud inseneritööd.
Google AI mudel ennustab ilma
Eriti tähelepanuväärne on see, et need süsteemid nad ei kasuta eelmise päeva ega isegi eelmise aasta ilmastikuolusid, hoolimata sellest, et need esinevad samas kohas ja samal ajal.
Vastupidi, see läheneb ülesandele teise nurga alt, peaaegu vastupidiselt. Tänu oma täiustatud sügavale õppimisvõimele kasutab see ulatuslikke varasemate ilmaandmete arhiive, et saada põhjalik arusaamine keerukast põhjus-tagajärg dünaamikast, mis dikteerib Maa kliima arengut.
Hispaania meteoroloogiaagentuuri (AEMET) pressiesindaja José Luis Casado sõnul ei võeta atmosfäärimudelis ajaloolisi andmeid arvesse. Casado selgitab, et see mudel põhineb olemasolevatel tähelepanekutel ja mudeli enda tehtud viimastel ennustustel. Atmosfääri hetkeseisust täpselt aru saades on võimalik prognoosida selle edasist arengut. Erinevalt masinõppetehnikatest ei kasuta see lähenemisviis ajaloolisi andmeid ega prognoose.
Loodan, et selle teabe abil saate rohkem teada Google'i AI kohta, mis ennustab ilma ja selle omadusi.