DeepMind AI може подобро да го предвиди времето

Deepmind AI

Метеорологијата како наука напредува благодарение на развојот на технологијата. Во моментов, постојат неколку компјутерски програми способни директно да предвидат кога и каде ќе врне. Компанијата на Deepmind разви вештачка интелигенција способна да предвиди речиси точно кога и каде ќе врне. Оваа компанија работеше со метеоролози од Велика Британија за да создаде модел што е подобар за краткорочни предвидувања отколку сегашните системи.

Во оваа статија ќе ви кажеме с everything што треба да знаете за торбата Robleda, технологија за метеоролошко предвидување на компанијата DeepMind.

Временска прогноза

длабок ум

DeepMind, лондонска компанија за вештачка интелигенција, ја продолжува својата кариера за примена на длабоко учење за тешки научни проблеми. DeepMind разви алатка за длабоко учење наречена DGMR во соработка со Met Office на Британската национална метеоролошка служба, која може точно да ја предвиди веројатноста за дожд во следните 90 минути. Тоа е еден од најтешките предизвици во временската прогноза.

Во споредба со постојните алатки, десетици експерти веруваат дека предвидувањата на DGMR се најдобри за неколку фактори, вклучувајќи ги и предвидувањата за локацијата, опсегот, движењето и интензитетот на дождот, 89% од времето. Новата алатка на DeepMind отвора нов клуч во биологијата што научниците се обидуваат да го решат со децении.

Сепак, дури и малите подобрувања во предвидувањата се важни. Предвидувањата на врнежите, особено обилните врнежи, се од клучно значење за многу индустрии, од активности на отворено до авијациски услуги и итни случаи. Но, тешко е да се направи правилно. Одредувањето колку вода има на небото и кога и каде ќе падне зависи од многу климатски процеси, како температурни промени, формирање облаци и ветер. Сите овие фактори се доволно комплексни сами по себе, но тие се посложени кога се комбинираат.

Најдобрата достапна технологија за предвидување користи голем број компјутерски симулации на атмосферска физика. Овие се погодни за долгорочни прогнози, но не се многу добри за да предвидат што ќе се случи во следниот час. Ова се нарекува непосредна прогноза.

Развој на DeepMind

развој на временска прогноза

Беа развиени претходни техники за длабоко учење, но овие техники обично функционираат добро во еден поглед, како што е предвидување локација и на сметка на друг, како што е предвидување сила. Податоците за радар за силен дожд што помагаат да се предвиди непосреден дожд останува голем предизвик за метеоролозите.

Тимот DeepMind користеше радарски податоци за да ја обучи својата вештачка интелигенција. Многу земји и региони често објавуваат снимки од мерења на радари кои го следат формирањето и движењето на облаците во текот на денот. На пример, во Обединетото Кралство, нови читања се објавуваат на секои пет минути. Со спојување на овие снимки, можете да добиете ажурирано видео за стоп-движење кое покажува како се менува моделот на дожд во една земја.

Истражувачите ги испраќаат овие податоци до мрежа за длабока генерација слична на ГАН, која е обучена АИ која може да генерира нови примероци на податоци кои се многу слични со вистинските податоци што се користат при обуката. GAN се користи за генерирање лажни лица, вклучувајќи го и лажниот Рембрант. Во овој случај, DGMR (што значи „Generative Deep Rain Model“) научи да генерира лажни снимки од радарот кои ја продолжуваат вистинската секвенца на мерење.

Експерименти со DeepMind AI

Временска прогноза

Шакир Мохамед, кој го водеше истражувањето во DeepMind, рече дека ова е исто како да гледате неколку кадри од филм и да погодите што ќе се случи следно. За да го тестираат овој метод, тимот побара од 56 метеоролози од Бирото за метеорологија (кои не беа вклучени во работата) да навлезат во понапредните физички симулации и сет противници.

89% од луѓето рекоа дека ги претпочитаат резултатите дадени од DGMR. Алгоритмите за машинско учење обично се обидуваат да се оптимизираат за едноставна мерка за тоа колку се добри вашите предвидувања. Сепак, временската прогноза има многу различни аспекти. Можеби предвидување доби погрешен интензитет на дожд на вистинското место, или друго предвидување доби правилна комбинација на интензитети, но на погрешно место, и така натаму.

DeepMind рече дека ќе ја ослободи структурата на сите протеини познати на науката. Компанијата ја искористи својата вештачка интелигенција за преклопување протеин AlphaFold за да генерира структури за човечкиот протеом, како и за квасец, овошни муви и глувци.

Соработката помеѓу DeepMind и Met Office е добар пример за работа со крајните корисници за да се заврши развојот на АИ. Очигледно, ова е добра идеја, но честопати не се случува. Тимот работеше на проектот неколку години и придонесот од експерти од Бирото за метеорологија го обликуваше проектот. Суман Равури, научник за истражување во DeepMind, рече: „Тоа го промовира развојот на нашиот модел на поинаков начин отколку нашата сопствена имплементација“. „Во спротивно, можевме да создадеме модел што на крајот нема да биде особено корисен.

DeepMind исто така е желен да покаже дека неговата вештачка интелигенција има практични апликации. За Шакир, DGMR и AlphaFold се дел од истата приказна: компанијата го користи нивното долгогодишно искуство во решавање загатки. Можеби најважниот заклучок овде е дека DeepMind конечно започна да набројува научни проблеми од реалниот свет.

Напредок во временската прогноза

Временската прогноза мора да биде поддржана од развојот на технологијата, бидејќи сме с closer поблиску и поблиску до целосно разбирање како функционира нашата атмосфера. Многу пати човечкото суштество и неговите пресметки можат да бидат предмет на вообичаени грешки што може да се избегнат со развојот на вештачката интелигенција.

Временската прогноза е клучна за да бидеме луѓе бидејќи можеме да искористиме многу поефикасни водни ресурси и избегнување на катастрофи во бури и обилни дождовиНа Поради оваа причина, метеоролозите с increasingly повеќе се согласуваат да развијат проекти за вештачка интелигенција за предвидување врнежи.

Се надевам дека со овие информации можете да научите повеќе за проектот DeepMind и неговите карактеристики.


Содржината на статијата се придржува до нашите принципи на уредничка етика. За да пријавите грешка, кликнете овде.

Биди прв да коментираш

Оставете го вашиот коментар

Вашата е-маил адреса нема да бидат објавени. Задолжителни полиња се означени со *

*

*

  1. Одговорен за податоците: Мигел Анхел Гатон
  2. Цел на податоците: Контролирајте СПАМ, управување со коментари.
  3. Легитимација: Ваша согласност
  4. Комуникација на податоците: Податоците нема да бидат соопштени на трети лица освен со законска обврска.
  5. Складирање на податоци: База на податоци хостирани од Occentus Networks (ЕУ)
  6. Права: Во секое време можете да ги ограничите, вратите и избришете вашите информации.