Meteorologija kao znanost napreduje zahvaljujući razvoju tehnologije. Trenutno postoji nekoliko računalnih programa koji mogu izravno predvidjeti kada i gdje će padati kiša. Tvrtka od DeepMind razvila je umjetnu inteligenciju sposobnu gotovo točno predvidjeti kada i gdje će padati kiša. Ova je tvrtka radila s meteorolozima iz Velike Britanije na stvaranju modela koji je bolji za kratkoročna predviđanja od sadašnjih sustava.
U ovom ćemo vam članku reći sve što trebate znati o torbi Robleda, tehnologiji meteoroloških predviđanja tvrtke DeepMind.
Vremenska prognoza
DeepMind, londonska tvrtka za umjetnu inteligenciju, nastavlja svoju karijeru primjenjujući duboko učenje na teške znanstvene probleme. DeepMind je u suradnji s Met Officeom britanske nacionalne meteorološke službe razvio alat za duboko učenje pod nazivom DGMR, koji može točno predvidjeti vjerojatnost kiše u sljedećih 90 minuta. To je jedan od najtežih izazova u prognoziranju vremena.
U usporedbi s postojećim alatima, deseci stručnjaka vjeruju da su DGMR -ova predviđanja najbolja za nekoliko čimbenika, uključujući predviđanja lokacije, raspona, kretanja i intenziteta kiše, 89% vremena. Novi alat DeepMinda otvara novi ključ u biologiji koji znanstvenici pokušavaju riješiti desetljećima.
Međutim, čak su i mala poboljšanja u predviđanjima važna. Predviđanje kiše, osobito obilne kiše, kritično je za mnoge industrije, od aktivnosti na otvorenom do zrakoplovnih usluga i hitnih slučajeva. No, teško je to ispraviti. Određivanje količine vode na nebu te kada i gdje će pasti ovisi o mnogim klimatskim procesima, poput promjena temperature, stvaranja oblaka i vjetra. Svi su ti čimbenici sami po sebi dovoljno složeni, ali su složeniji u kombinaciji.
Najbolja dostupna tehnologija predviđanja koristi veliki broj računalnih simulacija fizike atmosfere. Oni su prikladni za dugoročne prognoze, ali nisu baš dobri u predviđanju onoga što će se dogoditi u sljedećih sat vremena. To se zove neposredna prognoza.
DeepMind razvoj
Ranije su razvijene tehnike dubokog učenja, ali one obično dobro funkcioniraju u jednom pogledu, kao što je predviđanje 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 nastanak i kretanje oblaka tijekom dana. Na primjer, u Velikoj Britaniji sva se čitanja objavljuju 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") naučio je generirati lažne radarske snimke koje nastavljaju stvarni niz mjerenja.
DeepMind AI eksperimenti
Shakir Mohamed, koji je vodio istraživanje u DeepMind -u, rekao je da je to isto kao da gledate nekoliko fotografija iz filma i nagađate što 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 strojnog 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 znanosti. Tvrtka je upotrijebila svoj AlphaFold sklopivi protein s umjetnom inteligencijom za stvaranje struktura za ljudski proteom, kao i za kvasac, voćne muhe i miševe.
Suradnja 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, znanstveni istraživač u DeepMind -u, rekao je: "Promiče razvoj našeg modela na drugačiji način od naše vlastite implementacije." "Inače smo mogli stvoriti model koji na kraju ne bi bio osobito koristan."
DeepMind također želi pokazati da njegova umjetna inteligencija ima praktične primjene. Za Shakir, DGMR i AlphaFold dio su iste priče: tvrtka koristi njihovo dugogodišnje iskustvo u rješavanju zagonetki. Možda je najvažniji zaključak ovdje da je DeepMind napokon počeo nabrajati znanstvene probleme iz stvarnog svijeta.
Napredak u prognoziranju vremena
Prognoze vremena moraju biti podržane razvojem tehnologije kako se sve više približavamo potpunom razumijevanju kako funkcionira naša atmosfera. Mnogo puta ljudsko biće i njegovi izračuni mogu biti podložni uobičajenim pogreškama koje se mogu izbjeći razvojem umjetne inteligencije.
Prognoza vremena ključna je za ljudsko biće jer možemo puno toga iskoristiti učinkovitijim vodnim resursima i izbjeći neke katastrofe u olujama i obilnim kišama. Iz tog razloga, meteorolozi se sve više slažu u razvoju projekata umjetne inteligencije za predviđanje padalina.
Nadam se da ćete s ovim podacima saznati više o projektu DeepMind i njegovim karakteristikama.