Šodienas laika prognozes ir balstītas uz sarežģītiem modeļiem, kas ietver likumus, kas regulē atmosfēras un okeānu dinamiku, un šie modeļi darbojas ar dažiem jaudīgākajiem superdatoriem. Tomēr Alphabet (Google mātesuzņēmumam) ir izdevies prognozēt globālos laikapstākļus nākamajām 10 dienām tikai vienas minūtes laikā, izmantojot vienu personālā datora izmēra mašīnu, pateicoties DeepMind izstrādātajam mākslīgajam intelektam. The Google AI prognozē laikapstākļus un tas ir tikai tikko sācies.
Šajā rakstā mēs jums pastāstīsim, kā Google AI prognozē laikapstākļus un kā šī tehnoloģija ir attīstījusies.
Google AI prognozē laikapstākļus
Pārsteidzoši, šī AI sistēma gandrīz visos aspektos pārspēj modernākās laikapstākļu prognozēšanas sistēmas. Interesanti, ka šoreiz mākslīgais intelekts kalpo kā papildinājums cilvēka intelektam, nevis to aizstāj.
Eiropas Vidēja diapazona laika prognožu centram (ECMWF) ir neticami progresīva sistēma, kas pagājušajā gadā tika būtiski atjaunināta, uzlabojot prognozēšanas iespējas. Izmitināts savās telpās Boloņā, Itālijā, Ir superdators, kas aprīkots ar aptuveni vienu miljonu procesoru (atšķirībā no diviem vai četriem, kas atrodami personālajā datorā) un ārkārtēju skaitļošanas jaudu 30 petaflopu apmērā, kas atbilst satriecošiem 30.000 XNUMX triljoniem aprēķinu sekundē.
Šī milzīgā skaitļošanas jauda ir nepieciešama vienam no tās rīkiem, augstas izšķirtspējas prognozēšanai (HRES), kas precīzi prognozē vidēja termiņa globālos laikapstākļu modeļus, kas Parasti tie aptver 10 dienas ar iespaidīgu deviņu kilometru telpisko izšķirtspēju. Šīs prognozes kalpo par pamatu laika prognozēm, ko sniedz meteorologi visā pasaulē. Nesen GraphCast, Google DeepMind izstrādātais mākslīgais intelekts, tika izmantots, lai novērtētu šīs milzīgās sistēmas iespējas laikapstākļu prognozēšanā.
AI pētījuma rezultāti
Salīdzināšanas rezultāti, kas publicēti otrdien žurnālā Science, atklāj, ka GraphCast pārspēj HRES, prognozējot daudzus laikapstākļu faktorus. Saskaņā ar pētījumu, Google iekārta pārspēj ECMWF 90,3% no 1.380 pārbaudītajiem rādītājiem.
Koncentrējoties tikai uz troposfēru, atmosfēras slāni, kurā notiek lielākā daļa laikapstākļu, un neņemot vērā datus no stratosfēras, kas atrodas aptuveni 6 līdz 8 kilometrus virs Zemes virsmas, mākslīgais intelekts (A.I.) ) pārspēj cilvēka uzraudzīto superdatoru veiktspēju 99,7% gadījumu. gadījumiem. analizētie mainīgie. Pārsteidzoši, šis sasniegums tika sasniegts, izmantojot mašīnu, kas ļoti atgādina personālo datoru, kas pazīstams kā tenzora apstrādes vienība vai TPU.
Saskaņā ar Alvaro Sánchez González, Google DeepMind pētnieka teikto, TPU ir specializēta aparatūra, kas piedāvā efektīvāku mākslīgā intelekta programmatūras apmācību un izpildi salīdzinājumā ar parasto datoru, vienlaikus saglabājot līdzīgu izmēru. Tāpat kā datora grafiskā karte koncentrējas uz attēlu renderēšanu, TPU ir izstrādāti tā, lai tie būtu izcili matricas produktos. GraphCast apmācībai mēs izmantojām 32 TPU vairāku nedēļu laikā. Tomēr, kad apmācība ir pabeigta, viens TPU var ģenerēt prognozes mazāk nekā minūtē, kā paskaidroja Sančess Gonsaless, viens no ierīces radītājiem.
GraphCast un prognozēšanas sistēmas
Ievērojama atšķirība starp GraphCast un esošajām prognozēšanas sistēmām ir tā spēja iekļaut vēsturiskos datus. Radītāji apmācīja sistēmu, izmantojot meteoroloģiskos datus no ECMWF arhīva, kas datēti ar 1979. gadu. Šī plašā datu kopa aptver nokrišņi Santjago un cikloni, kas skāruši Akapulko 40 gadu laikā. Pēc ievērojama apmācības apjoma GraphCast spēj radīt precīzas laika prognozes.
Lai precīzi prognozētu laikapstākļus vēl sešas stundas pēc šī brīža, ir nepieciešamas tikai zināšanas par laika apstākļiem sešas stundas pirms un tieši pirms prognozes. Prognozes ir savstarpēji atkarīgas, un katra jauna prognoze informē iepriekšējo. Ferrans Alets, šīs iespaidīgās DeepMind iekārtas līdzradītājs, skaidro tās iekšējo darbību: «Mūsu neironu tīkls paredz laika apstākļus sešas stundas iepriekš. Lai prognozētu laikapstākļus 24 stundu laikā, mēs vienkārši novērtējam modeli četras reizes. Alternatīvi, mēs būtu varējuši apmācīt atsevišķus modeļus dažādiem laika periodiem, piemēram, vienu sešām stundām un vienu 24 stundām. tomēr "Mēs saprotam, ka pamatprincipi, kas nosaka laika apstākļus, paliek nemainīgi sešu stundu laikā."
"Tāpēc, ja mēs varam atklāt atbilstošo 6 stundu modeli un izmantot tā prognozes kā ievadi, mēs varam precīzi prognozēt laika apstākļus nākamajām 12 stundām un atkārtot šo procesu ik pēc sešām stundām." Pēc Aleta domām, šī pieeja nodrošina ievērojamu datu apjomu vienam modelim, tādējādi nodrošinot efektīvāku apmācību.
Līdz šim laika prognozes ir balstītas uz skaitliskām laikapstākļu prognozēm, kas izmanto vēstures gaitā izstrādātus zinātniskus vienādojumus, lai ņemtu vērā dažādas atmosfēras dinamikas sarežģītības. Pētnieku atklājumi izveido matemātisko algoritmu kopumu, kas ir superdatori jāpalaiž, lai ģenerētu prognozes nākamajām stundām, dienām vai nedēļām (lai gan uzticamība ievērojami samazinās pēc 15 dienām). Tomēr šī uzdevuma veikšanai ir nepieciešams ļoti progresīvs superdators, kas saistīts ar ievērojamām izmaksām un apjomīgiem inženiertehniskajiem pūliņiem.
Google AI modelis prognozē laikapstākļus
Īpaši ievērojams ir tas, ka šīs sistēmas viņi neizmanto iepriekšējās dienas vai pat iepriekšējā gada laika apstākļus, neskatoties uz to, ka tas notiek tajā pašā vietā un tajā pašā laikā.
Gluži pretēji, tas pieiet uzdevumam no cita leņķa, gandrīz pretēja. Pateicoties uzlabotajām dziļās mācīšanās iespējām, tas izmanto plašus pagātnes laikapstākļu datu arhīvus, lai iegūtu visaptverošu izpratni par sarežģīto cēloņu un seku dinamiku, kas nosaka Zemes klimata attīstību.
Spānijas Meteoroloģijas aģentūras (AEMET) pārstāvis Hosē Luiss Kasado norāda, ka atmosfēras modelī vēsturiskie dati netiek ņemti vērā. Casado precizē, ka šis modelis ir balstīts uz esošajiem novērojumiem un paša modeļa jaunākajām prognozēm. Precīzi izprotot pašreizējo atmosfēras stāvokli, ir iespējams prognozēt tā turpmāko progresu. Atšķirībā no mašīnmācīšanās metodēm šī pieeja neizmanto vēsturiskos datus vai prognozes.
Es ceru, ka, izmantojot šo informāciju, jūs varat uzzināt vairāk par Google AI, kas prognozē laikapstākļus un to īpašības.