DeepMind AI– ს შეუძლია ამინდის პროგნოზირება უკეთესად

Deepmind AI

მეტეოროლოგია, როგორც მეცნიერება, წინ მიიწევს ტექნოლოგიის განვითარების წყალობით. ამჟამად, არსებობს რამდენიმე კომპიუტერული პროგრამა, რომელსაც შეუძლია წინასწარ განსაზღვროს როდის და სად წვიმს. კომპანია Deepmind შეიმუშავა ხელოვნური ინტელექტი, რომელსაც შეუძლია ზუსტად განსაზღვროს როდის და სად წვიმს. ეს კომპანია მუშაობდა გაერთიანებული სამეფოს მეტეოროლოგებთან, რათა შექმნან მოდელი, რომელიც უკეთესია მოკლევადიანი პროგნოზირებისთვის, ვიდრე ამჟამინდელი სისტემები.

ამ სტატიაში ჩვენ გეტყვით ყველაფერს, რაც თქვენ უნდა იცოდეთ Robleda ჩანთის შესახებ, კომპანია DeepMind– ის მეტეოროლოგიური პროგნოზირების ტექნოლოგიაზე.

Ამინდის პროგნოზი

ღრმა გონება

ლონდონში დაფუძნებული ხელოვნური ინტელექტის კომპანია DeepMind, აგრძელებს კარიერას ღრმა სწავლის გამოყენებაში რთულ სამეცნიერო პრობლემებზე. DeepMind– მა შეიმუშავა ღრმა სწავლების ინსტრუმენტი სახელწოდებით DGMR ბრიტანეთის ეროვნული ამინდის მეტეოროლოგიური სამსახურის თანამშრომლობით, რომელსაც შეუძლია ზუსტად განსაზღვროს წვიმის ალბათობა მომდევნო 90 წუთში. ეს არის ამინდის პროგნოზის ერთ -ერთი ყველაზე რთული გამოწვევა.

არსებულ ინსტრუმენტებთან შედარებით, ათეულობით ექსპერტს მიაჩნია, რომ DGMR– ის პროგნოზები საუკეთესოა რამდენიმე ფაქტორზე, მათ შორის მისი პროგნოზები წვიმის ადგილმდებარეობის, დიაპაზონის, მოძრაობისა და ინტენსივობის შესახებ, დროის 89%. DeepMind– ის ახალი ინსტრუმენტი ხსნის ბიოლოგიის ახალ გასაღებს, რომლის გადაჭრასაც მეცნიერები ათწლეულების განმავლობაში ცდილობდნენ.

თუმცა, პროგნოზებში მცირე გაუმჯობესებაც კი მნიშვნელოვანია. ნალექების პროგნოზირება, განსაკუთრებით ძლიერი წვიმა, გადამწყვეტი მნიშვნელობა აქვს მრავალი ინდუსტრიისთვის, გარე საქმიანობიდან დაწყებული საავიაციო მომსახურებით და საგანგებო სიტუაციებით დამთავრებული. მაგრამ ამის სწორად აღება რთულია. განსაზღვრა რამდენი წყალია ცაში და როდის და სად დაეცემა ის დამოკიდებულია ბევრ კლიმატურ პროცესზე, როგორიცაა ტემპერატურის ცვლილებები, ღრუბლების წარმოქმნა და ქარი. ყველა ეს ფაქტორი თავისთავად საკმაოდ რთულია, მაგრამ კომბინირებისას ისინი უფრო რთულნი არიან.

პროგნოზირების საუკეთესო ტექნოლოგია იყენებს ატმოსფერული ფიზიკის კომპიუტერულ სიმულაციებს. ეს შესაფერისია გრძელვადიანი პროგნოზებისთვის, მაგრამ ისინი არ არიან კარგად პროგნოზირებული რა მოხდება მომდევნო საათში. ამას ქვია დაუყოვნებელი პროგნოზი.

DeepMind განვითარება

ამინდის პროგნოზის განვითარება

შემდგომში შემუშავებულია ღრმა სწავლის ტექნიკა, მაგრამ ეს ტექნიკა ჩვეულებრივ კარგად მუშაობს ერთის მხრივ, როგორიცაა ადგილმდებარეობის პროგნოზირება და მეორის ხარჯზე, როგორიცაა ძალის პროგნოზირება. რადარის მონაცემები ძლიერი წვიმისთვის, რაც ხელს უწყობს უშუალო წვიმის პროგნოზირებას, მეტეოროლოგებისათვის დიდ გამოწვევად რჩება.

DeepMind– ის გუნდმა გამოიყენა რადარის მონაცემები მათი ინტელექტის გასაუმჯობესებლად. ბევრი ქვეყანა და რეგიონი ხშირად აქვეყნებს სარადარო გაზომვების სურათებს, რომლებიც თვალყურს ადევნებენ ღრუბლების წარმოქმნას და მოძრაობას მთელი დღის განმავლობაში. მაგალითად, დიდ ბრიტანეთში ახალი კითხვები იდება ყოველ ხუთ წუთში ერთხელ. ამ სურათების ერთმანეთთან შეთავსებით თქვენ შეგიძლიათ მიიღოთ უახლესი გაჩერების ვიდეო, რომელიც აჩვენებს როგორ იცვლება ქვეყნის წვიმის ნიმუში.

მკვლევარებმა ეს მონაცემები გაგზავნეს GAN– ის მსგავსი ღრმა თაობის ქსელში, რომელიც არის გაწვრთნილი AI, რომელსაც შეუძლია ახალი მონაცემების ნიმუშების გენერირება, რომლებიც ძალიან ჰგავს ტრენინგში გამოყენებულ რეალურ მონაცემებს. GAN გამოიყენება ყალბი სახეების, მათ შორის ყალბი რემბრანდტის შესაქმნელად. ამ შემთხვევაში, DGMR- მა (რაც ნიშნავს "გენერალური ღრმა წვიმის მოდელს") ისწავლა ყალბი სარადარო სურათების გენერირება, რომლებიც აგრძელებენ გაზომვის ფაქტობრივ თანმიმდევრობას.

DeepMind AI ექსპერიმენტები

ამინდის პროგნოზი

შაკირ მუჰამედმა, რომელიც ხელმძღვანელობდა კვლევას DeepMind– ში, თქვა, რომ ეს იგივეა, რაც ფილმის რამდენიმე კადრის ყურება და გამოცნობა რა მოხდება შემდეგ. ამ მეთოდის შესამოწმებლად, გუნდმა სთხოვა მეტეოროლოგიის ბიუროს 56 მეტეოროლოგს (რომლებიც მუშაობაში არ მონაწილეობდნენ) ჩაეძიათ უფრო მოწინავე ფიზიკურ სიმულაციებსა და მოწინააღმდეგეთა ჯგუფში.

ადამიანების 89% –მა თქვა, რომ მათ ურჩევნიათ DGMR– ის მიერ მიღებული შედეგები. მანქანათმცოდნეობის ალგორითმები, როგორც წესი, ცდილობენ ოპტიმიზაცია გაუწიონ იმას, თუ რამდენად კარგია თქვენი პროგნოზები. თუმცა, ამინდის პროგნოზს მრავალი განსხვავებული ასპექტი აქვს. შესაძლოა პროგნოზმა მიიღო არასწორი წვიმის ინტენსივობა სწორ ადგილას, ან სხვა პროგნოზმა მიიღო ინტენსივობის სწორი კომბინაცია, მაგრამ არასწორ ადგილას და ა.

DeepMind– მა თქვა, რომ იგი გაათავისუფლებს მეცნიერებისათვის ცნობილი ყველა ცილის სტრუქტურას. კომპანიამ გამოიყენა თავისი ცილა AlphaFold დასაკეცი ხელოვნური ინტელექტი ადამიანის პროტეომის სტრუქტურის შესაქმნელად, ასევე საფუარის, ხილის ბუზებისა და თაგვებისთვის.

თანამშრომლობა DeepMind- სა და Met Office- ს შორის არის კარგი მაგალითი ბოლო მომხმარებლებთან მუშაობისთვის, რათა დასრულდეს AI განვითარება. ცხადია, ეს კარგი იდეაა, მაგრამ ხშირად ასე არ ხდება. გუნდი მუშაობდა პროექტზე რამდენიმე წლის განმავლობაში და მეტეოროლოგიის ბიუროს ექსპერტების მონაწილეობამ შექმნა პროექტი. სუმან რავურმა, DeepMind– ის მკვლევარმა, თქვა: ”ეს ხელს უწყობს ჩვენი მოდელის განვითარებას სხვაგვარად, ვიდრე ჩვენი საკუთარი განხორციელება”. "წინააღმდეგ შემთხვევაში, ჩვენ შეგვეძლო შევქმნათ მოდელი, რომელიც არ იქნებოდა განსაკუთრებით სასარგებლო."

DeepMind– ს ასევე სურს აჩვენოს, რომ მის AI– ს აქვს პრაქტიკული პროგრამები. შაკირისთვის DGMR და AlphaFold ერთი ისტორიის ნაწილია: კომპანია იყენებს თავსატეხების ამოხსნის მათ მრავალწლიან გამოცდილებას. ალბათ ყველაზე მნიშვნელოვანი დასკვნა არის ის, რომ DeepMind– მა საბოლოოდ დაიწყო რეალურ სამყაროში სამეცნიერო პრობლემების ჩამონათვალი.

ამინდის პროგნოზის წინსვლა

ამინდის პროგნოზირება უნდა იყოს მხარდაჭერილი ტექნოლოგიის განვითარებით, რადგან ჩვენ სულ უფრო და უფრო ვუახლოვდებით სრულად იმის გაგებას, თუ როგორ მუშაობს ჩვენი ატმოსფერო. ბევრჯერ ადამიანი და მისი გათვლები შეიძლება დაექვემდებაროს საერთო შეცდომებს, რომელთა თავიდან აცილება შესაძლებელია ხელოვნური ინტელექტის განვითარებით.

ამინდის პროგნოზირება არის ადამიანობის გასაღები, რადგან ჩვენ შეგვიძლია ბევრი ვისარგებლოთ უფრო ეფექტური წყლის რესურსები და თავიდან ავიცილოთ კატასტროფები ქარიშხალსა და ძლიერ წვიმებშირა ამ მიზეზით, მეტეოროლოგები სულ უფრო მეტად თანხმდებიან ხელოვნური ინტელექტის პროექტების შემუშავებაზე ნალექების პროგნოზირებისთვის.

ვიმედოვნებ, რომ ამ ინფორმაციის საშუალებით შეგიძლიათ გაიგოთ მეტი DeepMind პროექტისა და მისი მახასიათებლების შესახებ.


სტატიის შინაარსი იცავს ჩვენს პრინციპებს სარედაქციო ეთიკა. შეცდომის შესატყობინებლად დააჭირეთ ღილაკს აქ.

იყავი პირველი კომენტარი

დატოვე კომენტარი

თქვენი ელფოსტის მისამართი გამოქვეყნებული არ იყო. აუცილებელი ველები აღნიშნულია *

*

*

  1. მონაცემებზე პასუხისმგებელი: მიგელ ანგელ გატონი
  2. მონაცემთა მიზანი: სპამის კონტროლი, კომენტარების მართვა.
  3. ლეგიტიმაცია: თქვენი თანხმობა
  4. მონაცემთა კომუნიკაცია: მონაცემები არ გადაეცემა მესამე პირებს, გარდა სამართლებრივი ვალდებულებისა.
  5. მონაცემთა შენახვა: მონაცემთა ბაზა, რომელსაც უმასპინძლა Occentus Networks (EU)
  6. უფლებები: ნებისმიერ დროს შეგიძლიათ შეზღუდოთ, აღადგინოთ და წაშალოთ თქვენი ინფორმაცია.