Meteorologija kaip mokslas tobulėja technologijų dėka. Šiuo metu yra keletas kompiuterinių programų, galinčių tiesiogiai numatyti, kada ir kur lyja. Įmonė DeepMind sukūrė dirbtinį intelektą, galintį beveik tiksliai nuspėti, kada ir kur lyja. Ši bendrovė kartu su JK meteorologais sukūrė modelį, kuris yra geresnis trumpalaikiams prognozėms nei dabartinės sistemos.
Šiame straipsnyje mes jums pasakysime viską, ką reikia žinoti apie „Robleda“ krepšį, bendrovės „DeepMind“ meteorologinių prognozių technologiją.
Orų prognozė
Londone įsikūrusi dirbtinio intelekto kompanija „DeepMind“, tęsia savo karjerą, taikydamas gilų mokymąsi sudėtingoms mokslo problemoms. „DeepMind“ bendradarbiaudama su Didžiosios Britanijos nacionalinės meteorologijos tarnybos „Met Office“ sukūrė gilaus mokymosi priemonę, pavadintą DGMR, kuri gali tiksliai numatyti lietaus tikimybę per artimiausias 90 minučių. Tai vienas sunkiausių orų prognozavimo iššūkių.
Palyginus su esamomis priemonėmis, dešimtys ekspertų mano, kad DGMR prognozės yra geriausios dėl kelių veiksnių, įskaitant 89% atvejų numatytas lietaus vietą, diapazoną, judėjimą ir intensyvumą. Naujasis „DeepMind“ įrankis atveria naują biologijos raktą, kurį mokslininkai bandė išspręsti dešimtmečius.
Tačiau net ir nedideli prognozių patobulinimai yra svarbūs. Kritulių, ypač gausaus lietaus, prognozavimas yra labai svarbus daugeliui pramonės šakų, pradedant veikla lauke, baigiant aviacijos paslaugomis ir avarinėmis situacijomis. Bet tai padaryti teisingai yra sunku. Nustatyti, kiek vandens yra danguje ir kada ir kur jis nukris, priklauso nuo daugelio klimato procesų, kaip temperatūros pokyčiai, debesų susidarymas ir vėjas. Visi šie veiksniai yra pakankamai sudėtingi, tačiau kartu jie yra sudėtingesni.
Geriausia prieinama prognozavimo technologija naudoja daugybę atmosferos fizikos kompiuterinių modeliavimų. Jie yra tinkami ilgalaikėms prognozėms, tačiau jie nelabai gerai prognozuoja, kas nutiks kitą valandą. Tai vadinama tiesiogine prognoze.
„DeepMind“ kūrimas
Ankstesni giluminio mokymosi metodai buvo sukurti, tačiau šie metodai paprastai gerai veikia vienu aspektu, pavyzdžiui, numatant vietą, ir kito sąskaita, pavyzdžiui, nuspėjant jėgą. Radaro duomenys apie stiprų lietų, padedantys numatyti greitą lietų, išlieka didelis iššūkis meteorologams.
„DeepMind“ komanda panaudojo radaro duomenis savo AI mokymui. Daugelis šalių ir regionų dažnai skelbia radaro matavimų momentines nuotraukas, kurios seka debesų susidarymą ir judėjimą visą dieną. Pavyzdžiui, Jungtinėje Karalystėje nauji rodmenys skelbiami kas penkias minutes. Sujungę šiuos įrašus, galite gauti naujausią „stop-motion“ vaizdo įrašą, kuriame parodyta, kaip keičiasi šalies lietaus modelis.
Mokslininkai siunčia šiuos duomenis į gilios kartos tinklą, panašų į GAN, kuris yra apmokytas AI, galintis generuoti naujus duomenų pavyzdžius, labai panašius į faktinius mokymuose naudojamus duomenis. GAN buvo naudojamas suklastotiems veidams, įskaitant netikrą Rembrandtą, generuoti. Šiuo atveju DGMR (kuris reiškia „Generative Deep Rain Model“) išmoko generuoti klaidingus radaro momentinius vaizdus, kurie tęsia tikrąją matavimo seką.
„DeepMind AI“ eksperimentai
Shakir Mohamed, vadovavęs tyrimui „DeepMind“, sakė, kad tai tas pats, kas žiūrėti kelis kadrus iš filmo ir spėti, kas bus toliau. Norėdami išbandyti šį metodą, komanda paprašė 56 meteorologų iš Meteorologijos biuro (kurie nebuvo įtraukti į darbą), kad jie įsigilintų į pažangesnius fizinius modeliavimus ir oponentų grupę.
89% žmonių teigė, kad jiems labiau patinka DGMR pateikti rezultatai. Mašinų mokymosi algoritmai paprastai bando optimizuoti, kad būtų galima lengvai įvertinti, kaip jūsų prognozės yra geros. Tačiau orų prognozė turi daug skirtingų aspektų. Galbūt prognozė gavo netinkamą lietaus intensyvumą tinkamoje vietoje, ar kita prognozė gavo teisingą intensyvumo derinį, bet ne toje vietoje ir pan.
„DeepMind“ teigė, kad išlaisvins visų mokslui žinomų baltymų struktūrą. Bendrovė panaudojo savo dirbtinį intelektą „AlphaFold“, kad sukurtų žmogaus proteomo, taip pat mielių, vaisių musių ir pelių struktūras.
„DeepMind“ ir „Met Office“ bendradarbiavimas yra geras darbo su galutiniais vartotojais pavyzdys, siekiant užbaigti AI kūrimą. Akivaizdu, kad tai yra gera idėja, tačiau dažnai tai neįvyksta. Komanda dirbo prie projekto kelerius metus ir projektą formavo meteorologijos biuro ekspertų indėlis. Sumanas Ravuri, „DeepMind“ tyrinėtojas, sakė: „Tai skatina mūsų modelio kūrimą kitaip nei mūsų pačių įgyvendinimas“. „Priešingu atveju galėjome sukurti modelį, kuris galų gale nebūtų ypač naudingas“.
„DeepMind“ taip pat nori parodyti, kad jos AI turi praktinių pritaikymų. Shakirui DGMR ir „AlphaFold“ yra tos pačios istorijos dalis: bendrovė naudoja savo ilgametę patirtį sprendžiant galvosūkius. Turbūt svarbiausia išvada yra ta, kad „DeepMind“ pagaliau pradėjo išvardyti realias pasaulio problemas.
Orų prognozavimo pažanga
Orų prognozavimą turi paremti technologijų plėtra, nes vis labiau artėjame prie visiško mūsų atmosferos veikimo supratimo. Daugeliu atvejų žmogus ir jo skaičiavimai gali būti paplitę dėl klaidų, kurių galima išvengti sukūrus dirbtinį intelektą.
Orų prognozavimas yra raktas į žmogų, nes mes galime daug kuo pasinaudoti efektyvesnius vandens išteklius ir išvengtų kai kurių katastrofų audrų ir stiprių liūčių metu. Dėl šios priežasties meteorologai vis dažniau sutinka kurti dirbtinio intelekto projektus, skirtus prognozuoti kritulius.
Tikiuosi, kad turėdami šią informaciją galėsite daugiau sužinoti apie „DeepMind“ projektą ir jo ypatybes.