Šiandieninės orų prognozės yra pagrįstos sudėtingais modeliais, apimančiais atmosferos ir vandenynų dinamiką reglamentuojančius dėsnius, o šie modeliai veikia kai kuriuose galingiausiuose esamuose superkompiuteriuose. Tačiau „Alphabet“ (pagrindinė „Google“ įmonė) „DeepMind“ sukurto dirbtinio intelekto dėka vos per minutę sugebėjo nuspėti pasaulines oro sąlygas artimiausioms 10 dienų, naudodama vieną asmeninio kompiuterio dydžio įrenginį. The Google AI prognozuoja orą ir tai dar tik prasidėjo.
Šiame straipsnyje mes jums pasakysime, kaip „Google AI“ prognozuoja orą ir kaip ši technologija vystėsi.
Google AI prognozuoja orą
Keista, bet ši AI sistema beveik visais aspektais lenkia šiuolaikines orų prognozavimo sistemas. Įdomu tai, kad šį kartą dirbtinis intelektas papildo žmogaus intelektą, o ne jį pakeičia.
Europos vidutinio nuotolio orų prognozių centras (ECMWF) turi neįtikėtinai pažangią sistemą, kuri praėjusiais metais buvo iš esmės atnaujinta ir pagerino prognozavimo galimybes. Priglobtas jos patalpose Bolonijoje, Italijoje, Yra superkompiuteris, kuriame yra maždaug vienas milijonas procesorių (priešingai nei du ar keturi asmeniniame kompiuteryje) ir nepaprasta 30 petaflopų skaičiavimo galia, atitinkanti stulbinančius 30.000 XNUMX trilijonų skaičiavimų per sekundę.
Šis didžiulis skaičiavimo pajėgumas yra būtinas vienam iš jos įrankių – didelės skiriamosios gebos prognozavimui (HRES), kuris tiksliai prognozuoja vidutinės trukmės pasaulinius orų modelius. Paprastai jie trunka 10 dienų, o įspūdinga devynių kilometrų erdvinė skiriamoji geba. Šios prognozės yra pagrindas orų prognozėms, kurias teikia meteorologai visame pasaulyje. Neseniai „Google DeepMind“ sukurtas dirbtinis intelektas „GraphCast“ buvo naudojamas šios didžiulės sistemos galimybėms prognozuoti orus.
AI tyrimo rezultatai
Palyginimo rezultatai, paskelbti antradienį žurnale „Science“, rodo, kad „GraphCast“ lenkia HRES, numatant daugybę oro veiksnių. Remiantis tyrimu, „Google“ įrenginys 90,3 % iš 1.380 XNUMX ištirtų metrikų lenkia ECMWF.
Kai dėmesys sutelkiamas tik į troposferą, atmosferos sluoksnį, kuriame vyksta dauguma oro sąlygų, ir neskaitant stratosferos, esančios maždaug 6–8 kilometrų aukštyje virš Žemės paviršiaus, dirbtinis intelektas (A.I.) 99,7 proc. pranoksta žmogaus prižiūrimus superkompiuterius. atvejų. analizuojami kintamieji. Keista, kad šis pasiekimas buvo pasiektas naudojant mašiną, kuri labai primena asmeninį kompiuterį, žinomą kaip tenzorinis apdorojimo blokas arba TPU.
Pasak „Google DeepMind“ tyrėjo Álvaro Sánchez Gonzálezo, TPU yra specializuota aparatinė įranga, kuri siūlo efektyvesnį dirbtinio intelekto programinės įrangos mokymą ir vykdymą, palyginti su įprastu kompiuteriu, išlaikant panašų dydį. Kaip kompiuterio grafikos plokštė daugiausia dėmesio skiria vaizdų perteikimui, TPU yra sukurti taip, kad puikiai veiktų matriciniuose produktuose. GraphCast mokymui per kelias savaites panaudojome 32 TPU. Tačiau kai tik mokymas bus baigtas, vienas TPU gali sugeneruoti prognozes greičiau nei per minutę, kaip paaiškino Sánchez González, vienas iš įrenginio kūrėjų.
GraphCast ir prognozavimo sistemos
Svarbus skirtumas tarp „GraphCast“ ir esamų numatymo sistemų yra galimybė įtraukti istorinius duomenis. Kūrėjai apmokė sistemą naudodamiesi meteorologiniais duomenimis iš ECMWF archyvo nuo 1979 m. Šis platus duomenų rinkinys apima krituliai Santjage ir ciklonai, paveikę Akapulką per 40 metų. Po daugybės treniruočių „GraphCast“ turi puikią galimybę generuoti tikslias orų prognozes.
Norint tiksliai numatyti orą dar šešias valandas, reikia žinoti tik šešias valandas prieš ir prieš pat prognozę. Prognozės yra tarpusavyje susijusios ir kiekviena nauja prognozė informuoja ankstesnę. Ferranas Alet, vienas iš šios įspūdingos DeepMind mašinos kūrėjų, paaiškina jos vidinį veikimą: „Mūsų neuroninis tinklas oro sąlygas numato prieš šešias valandas. Norėdami prognozuoti orą per 24 valandas, modelį tiesiog įvertiname keturis kartus. Arba galėtume mokyti atskirus modelius skirtingiems laikotarpiams, pvz., vieną šešioms valandoms ir vieną 24 valandoms. Tačiau „Suprantame, kad pagrindiniai klimatą valdantys principai išlieka nuoseklūs per šešių valandų laikotarpį.
"Todėl, jei galime atrasti tinkamą 6 valandų modelį ir naudoti jo prognozes kaip įvestį, galime tiksliai prognozuoti orą ateinančioms 12 valandų ir kartoti šį procesą kas šešias valandas." Anot Aleto, šis metodas suteikia didelį duomenų kiekį vienam modeliui, todėl mokymas yra efektyvesnis.
Iki šiol orų prognozės buvo pagrįstos skaitinėmis orų prognozėmis, kuriose naudojamos mokslinės lygtys, sukurtos per visą istoriją, siekiant atsižvelgti į įvairius atmosferos dinamikos sudėtingumus. Tyrėjų išvados nustato matematinių algoritmų rinkinį, kuris sukuria superkompiuterius turi paleisti, kad būtų sukurtos artimiausių valandų, dienų ar savaičių prognozės (nors patikimumas gerokai sumažėja po 15 dienų). Tačiau norint atlikti šią užduotį, reikalingas labai pažangus superkompiuteris, o tai reikalauja didelių išlaidų ir didelių inžinerinių pastangų.
Google AI modelis numato orus
Ypač pažymėtina, kad šios sistemos jie nesinaudoja praėjusios dienos ar net praėjusių metų oro sąlygomis, nepaisant to, kad tai vyksta toje pačioje vietoje ir tuo pačiu metu.
Priešingai, užduotį sprendžia kitu kampu, beveik priešingai. Naudodamasi pažangiomis gilaus mokymosi galimybėmis, jis naudoja didelius praeities orų duomenų archyvus, kad visapusiškai suprastų sudėtingą priežasties ir pasekmės dinamiką, kuri lemia Žemės klimato progresą.
Ispanijos meteorologijos agentūros (AEMET) atstovo José Luiso Casado teigimu, sudarant atmosferos modelį į istorinius duomenis neatsižvelgiama. Casado paaiškina, kad šis modelis yra pagrįstas esamais stebėjimais ir naujausiomis paties modelio prognozėmis. Tiksliai supratus dabartinę atmosferos būklę, galima numatyti būsimą jos progresavimą. Skirtingai nuo mašininio mokymosi metodų, šis metodas nenaudoja istorinių duomenų ar prognozių.
Tikiuosi, kad naudodamiesi šia informacija galėsite daugiau sužinoti apie „Google“ AI, numatantį orą ir jo ypatybes.