A meteorológia mint tudomány a technológia fejlődésének köszönhetően halad. Jelenleg számos számítógépes program képes közvetlenül megjósolni, hogy mikor és hol esik az eső. A társaság DeepMind kifejlesztett egy mesterséges intelligenciát, amely képes szinte pontosan megjósolni, hogy mikor és hol esik az eső. Ez a vállalat az Egyesült Királyság meteorológusaival együttműködve olyan modellt hozott létre, amely jobb a rövid távú előrejelzésekhez, mint a jelenlegi rendszerek.
Ebben a cikkben mindent elmondunk, amit a Robleda táskáról, a DeepMind cég időjárás -előrejelzési technológiájáról tudni kell.
Időjárás előrejelzés
A DeepMind, egy londoni mesterséges intelligencia cég, folytatja pályafutását a mély tanulás alkalmazásával a nehéz tudományos problémákra. A DeepMind a brit Nemzeti Meteorológiai Szolgálat Met Office -jával együttműködve kifejlesztett egy DGMR nevű mélytanuló eszközt, amely pontosan meg tudja jósolni az eső valószínűségét a következő 90 percben. Ez az egyik legnehezebb kihívás az időjárás -előrejelzésben.
A meglévő eszközökkel összehasonlítva tucatnyi szakértő úgy véli, hogy a DGMR előrejelzései több tényező közül a legjobbak, beleértve az eső helyének, hatótávolságának, mozgásának és intenzitásának előrejelzését, az esetek 89% -ában. A DeepMind új eszköze új kulcsot nyit a biológiában, amelyet a tudósok évtizedek óta próbálnak megoldani.
Az előrejelzések apró javulásai azonban fontosak. A csapadék, különösen a heves esőzések előrejelzése számos iparág számára kritikus, a szabadtéri tevékenységektől a légiközlekedési szolgáltatásokig és a vészhelyzetekig. De helyes a helyes. Annak meghatározása, hogy mennyi víz van az égen, és mikor és hol esik, számos éghajlati folyamattól függ, mint a hőmérsékletváltozások, a felhőképződés és a szél. Mindezek a tényezők önmagukban elég bonyolultak, de együttesen összetettebbek.
A rendelkezésre álló legjobb előrejelzési technológia a légköri fizika nagyszámú számítógépes szimulációját használja. Ezek alkalmasak hosszú távú előrejelzésekre, de nem túl jók arra, hogy megjósolják, mi fog történni a következő órában. Ezt azonnali előrejelzésnek nevezik.
DeepMind fejlesztés
Korábbi mély tanulási technikákat fejlesztettek ki, de ezek a technikák általában egy szempontból jól működnek, például a hely előrejelzése, és egy másik rovására, például az erő előrejelzésére. A nagy esőre vonatkozó radaradatok, amelyek segítenek az azonnali eső előrejelzésében, továbbra is nagy kihívást jelentenek a meteorológusok számára.
A DeepMind csapata radaradatokat használt az AI fejlesztésére. Sok ország és régió gyakran tesz közzé pillanatfelvételeket a radarmérésekről, amelyek nyomon követik a felhők képződését és mozgását a nap folyamán. Például az Egyesült Királyságban öt percenként tesznek közzé új értékeket. Ha ezeket a pattanásokat összeállítja, naprakész stop-motion videót kaphat, amely bemutatja, hogyan változik egy ország esőmintája.
A kutatók ezeket az adatokat a GAN -hoz hasonló mélygenerációs hálózatba küldik, amely egy képzett mesterséges intelligencia, amely új adatmintákat hozhat létre, amelyek nagyon hasonlítanak a képzés során használt tényleges adatokhoz. A GAN -t hamis arcok, köztük a hamis Rembrandt létrehozására használták. Ebben az esetben a DGMR (amely "Generative Deep Rain Model") megtanulta hamis radar pillanatképeket generálni, amelyek folytatják a tényleges mérési sorrendet.
DeepMind AI kísérletek
Shakir Mohamed, aki a DeepMind kutatását vezette, azt mondta, hogy ez ugyanaz, mint megnézni néhány képkockát egy filmből, és találgatni, mi lesz ezután. Ennek a módszernek a tesztelésére a csapat felkért 56 meteorológust a Meteorológiai Hivataltól (akik nem vettek részt a munkában), hogy elmélyüljenek a fejlettebb fizikai szimulációkban és az ellenfelek sorában.
Az emberek 89% -a azt mondta, hogy jobban szereti a DGMR eredményeit. A gépi tanulási algoritmusok általában arra próbálnak optimalizálni, hogy egyszerű mérést végezzenek az előrejelzéseinek megfelelően. Az időjárás -előrejelzésnek azonban sok különböző aspektusa van. Lehet, hogy egy jóslat rossz eső intenzitást kapott a megfelelő helyen, vagy más előrejelzés az intenzitások helyes kombinációját kapta, de rossz helyen, és így tovább.
A DeepMind azt mondta, hogy felszabadítja a tudomány által ismert összes fehérje szerkezetét. A vállalat AlphaFold fehérje összecsukható mesterséges intelligenciáját használta fel struktúrák létrehozására az emberi proteom, valamint az élesztő, a gyümölcslegyek és az egerek számára.
A DeepMind és a Met Office együttműködése jó példa a végfelhasználókkal való együttműködésre az AI fejlesztésének befejezéséhez. Nyilvánvalóan ez jó ötlet, de gyakran nem történik meg. A csapat több éven keresztül dolgozott a projekten, és a Meteorológiai Hivatal szakértőinek hozzájárulása alakította a projektet. Suman Ravuri, a DeepMind kutatója azt mondta: "Ez más módon támogatja a modellünk fejlődését, mint a saját megvalósításunk." "Ellenkező esetben olyan modellt hozhattunk volna létre, amely a végén nem lenne különösen hasznos."
A DeepMind szívesen megmutatja, hogy mesterséges intelligenciájának gyakorlati alkalmazása is van. Shakir számára a DGMR és az AlphaFold ugyanannak a történetnek a részei: a vállalat kihasználja több éves tapasztalatát a rejtvények megoldásában. Talán a legfontosabb következtetés itt az, hogy a DeepMind végre elkezdte sorolni a valós tudományos problémákat.
Előrelépés az időjárás -előrejelzésben
Az időjárás -előrejelzést a technológia fejlődésével kell alátámasztani, mivel egyre közelebb kerülünk ahhoz, hogy teljesen megértsük légkörünk működését. Sokszor az ember és számításai gyakori hibáknak lehetnek kitéve, amelyek elkerülhetők a mesterséges intelligencia fejlesztésével.
Az időjárás -előrejelzés kulcsfontosságú az emberiséghez, mivel sok mindent ki tudunk használni hatékonyabb vízkészleteket és elkerülni bizonyos katasztrófákat viharokban és heves esőkben. Emiatt a meteorológusok egyre inkább egyetértenek abban, hogy mesterséges intelligencia projekteket dolgoznak ki a csapadék előrejelzésére.
Remélem, hogy ezekkel az információkkal többet megtudhat a DeepMind projektről és annak jellemzőiről.