Pateicoties tehnoloģiju attīstībai, meteoroloģija kā zinātne virzās uz priekšu. Pašlaik ir vairākas datorprogrammas, kas spēj tieši paredzēt, kad un kur līs. Uzņēmums no Deepmind ir izstrādājis mākslīgo intelektu, kas spēj gandrīz precīzi paredzēt, kad un kur līs. Šis uzņēmums ir sadarbojies ar Apvienotās Karalistes meteorologiem, lai izveidotu modeli, kas ir labāk piemērots īstermiņa prognozēšanai nekā pašreizējās sistēmas.
Šajā rakstā mēs jums pastāstīsim visu, kas jums jāzina par Robleda somu, uzņēmuma DeepMind meteoroloģisko prognozēšanas tehnoloģiju.
Laika prognoze
DeepMind, Londonas mākslīgā intelekta uzņēmums, turpina savu karjeru, pielietojot dziļu mācīšanos sarežģītās zinātniskās problēmās. Uzņēmums DeepMind sadarbībā ar Lielbritānijas Nacionālā meteoroloģijas dienesta Met Office ir izstrādājis dziļu mācību rīku ar nosaukumu DGMR, kas var precīzi paredzēt lietus iespējamību nākamajās 90 minūtēs. Tas ir viens no grūtākajiem laika prognozēšanas izaicinājumiem.
Salīdzinājumā ar esošajiem instrumentiem desmitiem ekspertu uzskata, ka DGMR prognozes ir vislabākās vairākos faktoros, tostarp 89% gadījumu paredzot lietus atrašanās vietu, diapazonu, kustību un intensitāti. DeepMind jaunais rīks atver jaunu atslēgu bioloģijā, ko zinātnieki ir mēģinājuši atrisināt gadu desmitiem.
Tomēr pat nelieli uzlabojumi prognozēs ir svarīgi. Nokrišņu, jo īpaši stipra lietus, prognozēšana ir būtiska daudzām nozarēm, sākot no āra aktivitātēm līdz aviācijas pakalpojumiem un ārkārtas situācijām. Bet pareizi to izdarīt ir grūti. Nosakot, cik daudz ūdens ir debesīs un kad un kur tas nokritīs, ir atkarīgs no daudziem klimatiskajiem procesiem, piemēram, temperatūras izmaiņas, mākoņu veidošanās un vējš. Visi šie faktori paši par sevi ir pietiekami sarežģīti, taču apvienoti tie ir sarežģītāki.
Labākā pieejamā prognozēšanas tehnoloģija izmanto lielu skaitu atmosfēras fizikas datorsimulāciju. Tie ir piemēroti ilgtermiņa prognozēm, taču tie nav īpaši labi, lai prognozētu, kas notiks nākamajā stundā. To sauc par tūlītēju prognozi.
DeepMind attīstība
Ir izstrādātas iepriekšējās dziļās mācīšanās metodes, taču parasti šīs metodes vienā ziņā darbojas labi, piemēram, paredzot atrašanās vietu, un uz citu rēķina, piemēram, spēka prognozēšanas rēķina. Radara dati par stipru lietu, kas palīdz prognozēt tūlītēju lietu, joprojām ir liels izaicinājums meteorologiem.
DeepMind komanda izmantoja radaru datus, lai apmācītu savu AI. Daudzas valstis un reģioni bieži publicē radara mērījumu momentuzņēmumus, kas izseko mākoņu veidošanos un kustību visas dienas garumā. Piemēram, Apvienotajā Karalistē jauni rādījumi tiek publicēti ik pēc piecām minūtēm. Saliekot kopā šos momentuzņēmumus, jūs varat iegūt atjauninātu stop-motion video, kurā parādīts, kā mainās valsts lietus.
Pētnieki nosūta šos datus dziļas paaudzes tīklam, kas līdzīgs GAN, kas ir apmācīts AI, kas var ģenerēt jaunus datu paraugus, kas ir ļoti līdzīgi faktiskajiem apmācībā izmantotajiem datiem. GAN ir izmantots viltotu seju ģenerēšanai, ieskaitot viltus Rembrantu. Šajā gadījumā DGMR (kas apzīmē "Generative Deep Rain Model") ir iemācījies ģenerēt viltus radara momentuzņēmumus, kas turpina faktisko mērījumu secību.
DeepMind AI eksperimenti
Shakir Mohamed, kurš vadīja pētījumu DeepMind, teica, ka tas ir tas pats, kas noskatīties dažus kadrus no filmas un uzminēt, kas notiks tālāk. Lai pārbaudītu šo metodi, komanda lūdza 56 meteorologus no Meteoroloģijas biroja (kuri nebija iesaistīti darbā), lai iedziļinātos progresīvākajās fiziskajās simulācijās un pretinieku komplektā.
89% cilvēku teica, ka dod priekšroku DGMR sniegtajiem rezultātiem. Mašīnmācīšanās algoritmi parasti cenšas optimizēt, lai vienkārši novērtētu jūsu prognozes. Tomēr laika prognozēm ir daudz dažādu aspektu. Varbūt pareģojums ieguva nepareizu lietus intensitāti pareizajā vietā, vai cita prognoze ieguva pareizu intensitātes kombināciju, bet nepareizā vietā utt.
DeepMind teica, ka tas atbrīvos visu zinātnei zināmo olbaltumvielu struktūru. Uzņēmums ir izmantojis savu AlphaFold saliekamo mākslīgo intelektu, lai radītu struktūras cilvēka proteomam, kā arī raugam, augļu mušām un pelēm.
Sadarbība starp DeepMind un Met Office ir labs piemērs darbam ar galalietotājiem, lai pabeigtu AI izstrādi. Acīmredzot šī ir laba ideja, taču tā bieži nenotiek. Komanda strādāja pie projekta vairākus gadus, un projektu veidoja Meteoroloģijas biroja ekspertu ieguldījums. Suman Ravuri, DeepMind pētnieks, teica: "Tas veicina mūsu modeļa attīstību citādā veidā nekā mūsu pašu ieviešana." "Pretējā gadījumā mēs būtu varējuši izveidot modeli, kas galu galā nebūtu īpaši noderīgs."
DeepMind arī vēlas parādīt, ka tā AI ir praktisks pielietojums. Šakīram DGMR un AlphaFold ir viena un tā paša stāsta daļa: uzņēmums izmanto savu daudzu gadu pieredzi mīklu risināšanā. Varbūt vissvarīgākais secinājums šeit ir tāds, ka DeepMind beidzot ir uzsācis reālās pasaules zinātnisko problēmu uzskaitīšanu.
Laiks laika prognozēšanā
Laika prognozes ir jāatbalsta ar tehnoloģiju attīstību, jo mēs arvien vairāk tuvojamies, lai pilnībā izprastu, kā darbojas mūsu atmosfēra. Daudzas reizes cilvēks un viņa aprēķini var tikt pakļauti bieži sastopamām kļūdām, no kurām var izvairīties, attīstot mākslīgo intelektu.
Laika prognozēšana ir būtiska cilvēka būtībai, jo mēs varam daudz ko izmantot efektīvākus ūdens resursus un izvairītos no dažām katastrofām vētrās un lietusgāzēs. Šī iemesla dēļ meteorologi arvien vairāk vienojas par mākslīgā intelekta projektu izstrādi nokrišņu prognozēšanai.
Es ceru, ka ar šo informāciju jūs varat uzzināt vairāk par DeepMind projektu un tā īpašībām.