תחזיות מזג האוויר של היום מבוססות על מודלים מורכבים המשלבים את החוקים השולטים בדינמיקה של האטמוספירה והאוקיינוסים, ומודלים אלו פועלים על כמה ממחשבי העל החזקים ביותר שקיימים. עם זאת, אלפבית (חברת האם של גוגל) הצליחה לחזות את תנאי מזג האוויר העולמיים ל-10 הימים הקרובים בדקה אחת בלבד באמצעות מכונה אחת בגודל של מחשב אישי, הודות לבינה מלאכותית שפיתחה DeepMind. ה בינה מלאכותית של גוגל חוזה את מזג האוויר וזה רק התחיל.
במאמר זה אנו הולכים לספר לכם כיצד AI Google חוזה את מזג האוויר וכיצד הטכנולוגיה הזו התפתחה.
בינה מלאכותית של גוגל חוזה את מזג האוויר
באופן מפתיע, מערכת הבינה המלאכותית הזו גוברת על רוב מערכות חיזוי מזג האוויר המודרניות כמעט בכל היבט. באופן מעניין, נראה שהפעם הבינה המלאכותית משמשת השלמה לאינטליגנציה האנושית ולא מחליפה אותה.
למרכז האירופי לתחזיות מזג אוויר בטווח בינוני (ECMWF) יש מערכת מתקדמת להפליא שעברה שדרוג משמעותי בשנה שעברה, ושיפרה את יכולות הניבוי שלה. מתארח במתקניה בבולוניה, איטליה, יש מחשב על המצויד בכמיליון מעבדים (בניגוד לשניים או ארבע שנמצאים במחשב אישי) וכוח חישוב יוצא דופן של 30 petaflops, שווה ערך ל-30.000 טריליון חישובים בשנייה מדהימה.
יכולת חישוב עצומה זו נחוצה עבור אחד הכלים שלה, חיזוי ברזולוציה גבוהה (HRES), אשר חוזה במדויק דפוסי מזג אוויר גלובליים לטווח בינוני, אשר הם נמשכים בדרך כלל 10 ימים, עם רזולוציה מרחבית מרשימה של תשעה קילומטרים. תחזיות אלו משמשות בסיס לתחזיות מזג אוויר שנמסרו על ידי מטאורולוגים ברחבי העולם. לאחרונה, GraphCast, בינה מלאכותית שפותחה על ידי Google DeepMind, שימשה למדידת היכולות של המערכת האדירה הזו בחיזוי מזג האוויר.
תוצאות מחקר בינה מלאכותית
תוצאות ההשוואה, שפורסמו ביום שלישי בכתב העת Science, מגלות כי GraphCast מתעלה על HRES בניבוי גורמי מזג אוויר רבים. לפי המחקר, המכונה של גוגל מתעלה על ה-ECMWF ב-90,3% מ-1.380 המדדים שנבדקו.
כאשר מתמקדים רק בטרופוספירה, השכבה האטמוספרית שבה מתרחשים רוב אירועי מזג האוויר, וללא נתונים מהסטרטוספירה, שנמצאת כ-6 עד 8 ק"מ מעל פני כדור הארץ, הבינה המלאכותית (A.I.) גוברת על מחשבי העל בפיקוח אנושי ב-99,7% מקרים. המשתנים שנותחו. באופן מפתיע, הישג זה הושג באמצעות מכונה הדומה מאוד למחשב אישי המכונה יחידת עיבוד טנזור או TPU.
לדברי Álvaro Sánchez González, חוקר ב-Google DeepMind, TPUs הם חומרה מיוחדת שמציעה הדרכה וביצוע יעילים יותר של תוכנת בינה מלאכותית בהשוואה למחשב רגיל, תוך שמירה על גודל דומה. בדיוק כפי שכרטיס מסך של מחשב מתמקד בעיבוד תמונות, TPUs מתוכננים להצטיין במוצרי מטריקס. עבור אימון GraphCast, השתמשנו ב-32 TPUs במהלך מספר שבועות. עם זאת, לאחר השלמת ההכשרה, TPU יחיד יכול ליצור תחזיות תוך פחות מדקה, כפי שהסביר סאנצ'ז גונזלס, אחד מיוצרי המכשיר.
GraphCast ומערכות חיזוי
הבחנה בולטת בין GraphCast למערכות חיזוי קיימות היא היכולת שלה לשלב נתונים היסטוריים. היוצרים אימנו את המערכת תוך שימוש בנתונים מטאורולוגיים מארכיון ECMWF משנת 1979. מערך נתונים נרחב זה מכסה הגשמים בסנטיאגו והציקלונים שהשפיעו על אקפולקו במשך תקופה של 40 שנה. לאחר כמות ניכרת של אימונים, ל-GraphCast יש את היכולת המדהימה ליצור תחזיות מזג אוויר מדויקות.
זה דורש רק ידע על תנאי מזג האוויר שש שעות לפני ומיד לפני התחזית שלך כדי לחזות במדויק את מזג האוויר בעוד שש שעות מהיום. התחזיות תלויות זו בזו וכל תחזית חדשה מודיעה את הקודמת. Ferran Alet, שותף ליצירת מכונת DeepMind המרשימה הזו, מסביר את פעולתה הפנימית: «הרשת העצבית שלנו צופה תנאי מזג אוויר שש שעות מראש. כדי לחזות את מזג האוויר בעוד 24 שעות, אנו פשוט מעריכים את המודל ארבע פעמים. לחלופין, יכולנו לאמן מודלים נפרדים לתקופות הזמן השונות, כגון אחד למשך שש שעות ואחד למשך 24 שעות. למרות זאת, "אנו מבינים שהעקרונות הבסיסיים השולטים במזג האוויר נשארים עקביים בתוך תקופה של שש שעות."
"לכן, אם נוכל לגלות את המודל המתאים של 6 שעות ולהשתמש בתחזיות משלו כקלט, נוכל לחזות במדויק את מזג האוויר ל-12 השעות הבאות ולחזור על התהליך הזה כל שש שעות". לדברי Alet, גישה זו מספקת כמות משמעותית של נתונים עבור מודל בודד, וכתוצאה מכך אימון יעיל יותר.
עד כה, תחזיות מזג האוויר התבססו על חיזוי מזג אוויר מספרי, העושה שימוש במשוואות מדעיות שפותחו לאורך ההיסטוריה כדי להסביר את המורכבויות השונות של הדינמיקה האטמוספרית. ממצאי החוקרים קובעים קבוצה של אלגוריתמים מתמטיים שמחשבי-על חייב לפעול כדי ליצור תחזיות לשעות, לימים או לשבועות הקרובים (למרות שהאמינות יורדת משמעותית מעבר ל-15 יום). עם זאת, ביצוע משימה זו מצריך מחשב על מתקדם מאוד, הכרוך בעלויות משמעותיות ובמאמצים הנדסיים נרחבים.
מודל הבינה המלאכותית של גוגל חוזה את מזג האוויר
מה שבולט במיוחד הוא שהמערכות הללו הם אינם משתמשים בתנאי מזג האוויר של היום הקודם או אפילו בשנה הקודמת, למרות שהתרחש באותו מקום ובאותו זמן.
להיפך, היא ניגשת למשימה מזווית אחרת, כמעט הפוכה. באמצעות יכולות הלמידה העמוקות המתקדמות שלו, הוא משתמש בארכיונים נרחבים של נתוני מזג אוויר בעבר כדי לקבל הבנה מקיפה של הדינמיקה הסבוכה של סיבה ותוצאה המכתיבה את התקדמות האקלים של כדור הארץ.
לדברי חוסה לואיס קאזדו, דובר הסוכנות המטאורולוגית הספרדית (AEMET), נתונים היסטוריים אינם נלקחים בחשבון במודל האטמוספרי. קאסאדו מבהיר כי מודל זה מבוסס על תצפיות קיימות ועל התחזית העדכנית ביותר שנעשתה על ידי המודל עצמו. על ידי הבנה מדויקת של המצב הנוכחי של האטמוספירה, ניתן לחזות את התקדמותה העתידית. בניגוד לטכניקות למידת מכונה, גישה זו אינה משתמשת בנתונים היסטוריים או בתחזיות.
אני מקווה שבעזרת המידע הזה תוכלו ללמוד עוד על הבינה המלאכותית של גוגל המנבאת את מזג האוויר ואת המאפיינים שלו.