DeepMind AI Dapat Meramalkan Cuaca yang Lebih Baik

Deepmind AI

Meteorologi sebagai sains maju berkat perkembangan teknologi. Pada masa ini, terdapat beberapa program komputer yang dapat meramalkan secara langsung kapan dan di mana ia akan turun. Syarikat Deepmind telah mengembangkan kecerdasan buatan yang dapat meramalkan hampir tepat kapan dan di mana ia akan hujan. Syarikat ini telah bekerjasama dengan ahli meteorologi Inggeris untuk membuat model yang lebih baik untuk membuat ramalan jangka pendek daripada sistem semasa.

Dalam artikel ini, kami akan memberitahu anda semua yang perlu anda ketahui mengenai beg Robleda, teknologi ramalan meteorologi syarikat DeepMind.

Ramalan cuaca

deepmind

DeepMind, sebuah syarikat kecerdasan buatan yang berpusat di London, meneruskan kerjayanya dalam menerapkan pembelajaran mendalam untuk masalah saintifik yang sukar. DeepMind telah mengembangkan alat pembelajaran mendalam yang disebut DGMR bekerjasama dengan Pejabat Met Perkhidmatan Cuaca Nasional Britain, yang dapat dengan tepat meramalkan kebarangkalian hujan dalam 90 minit ke depan. Ini adalah salah satu cabaran paling sukar dalam peramalan cuaca.

Sebagai perbandingan dengan alat yang ada, puluhan pakar percaya bahawa ramalan DGMR adalah yang terbaik dari beberapa faktor, termasuk ramalan lokasi, jarak, pergerakan dan intensitas hujan, 89% dari waktu. Alat baru DeepMind membuka kunci baru dalam biologi yang telah diselesaikan oleh para saintis selama beberapa dekad.

Walau bagaimanapun, peningkatan kecil dalam ramalan adalah penting. Meramalkan hujan, terutama hujan lebat, sangat penting bagi banyak industri, dari aktiviti luar hingga perkhidmatan penerbangan dan kecemasan. Tetapi mendapatkannya betul sukar. Menentukan berapa banyak air di langit dan kapan dan di mana ia akan jatuh bergantung pada banyak proses iklim, seperti perubahan suhu, pembentukan awan, dan angin. Semua faktor ini cukup kompleks dalam diri mereka, tetapi lebih kompleks apabila digabungkan.

Teknologi ramalan terbaik yang tersedia menggunakan sebilangan besar simulasi komputer fizik atmosfera. Ini sesuai untuk ramalan jangka panjang, tetapi ia tidak begitu baik dalam meramalkan apa yang akan berlaku dalam satu jam berikutnya. Ini dipanggil ramalan segera.

Perkembangan DeepMind

perkembangan ramalan cuaca

Teknik pembelajaran mendalam sebelumnya telah dikembangkan, tetapi teknik ini biasanya berfungsi dengan baik dalam satu aspek, seperti meramalkan lokasi, dan dengan mengorbankan lokasi yang lain, seperti kekuatan ramalan. Data radar untuk hujan lebat yang membantu meramalkan hujan lebat tetap menjadi cabaran besar bagi ahli meteorologi.

Pasukan DeepMind menggunakan data radar untuk melatih AI mereka. Banyak negara dan wilayah sering menerbitkan gambar ukuran radar yang mengesan pembentukan dan pergerakan awan sepanjang hari. Sebagai contoh, di UK, bacaan baru disiarkan setiap lima minit. Dengan menyatukan gambar ini, anda boleh mendapatkan video gerakan berhenti terkini yang menunjukkan bagaimana corak hujan negara berubah.

Para penyelidik menghantar data ini ke rangkaian generasi mendalam yang serupa dengan GAN, yang merupakan AI terlatih yang dapat menghasilkan sampel data baru yang sangat mirip dengan data sebenar yang digunakan dalam latihan. GAN telah digunakan untuk menghasilkan wajah palsu, termasuk Rembrandt palsu. Dalam kes ini, DGMR (singkatan dari "Generative Deep Rain Model") telah belajar menghasilkan tangkapan gambar radar palsu yang meneruskan urutan pengukuran sebenar.

Eksperimen DeepMind AI

ramalan cuaca

Shakir Mohamed, yang mengetuai penyelidikan di DeepMind, mengatakan ini sama dengan menonton beberapa gambar dari filem dan meneka apa yang akan berlaku seterusnya. Untuk menguji kaedah ini, pasukan meminta 56 ahli meteorologi dari Biro Meteorologi (yang tidak terlibat dalam pekerjaan) untuk menyelidiki simulasi fizikal yang lebih maju dan sekumpulan lawan.

89% orang mengatakan bahawa mereka lebih suka keputusan yang diberikan oleh DGMR. Algoritma pembelajaran mesin secara amnya cuba mengoptimumkan untuk ukuran sederhana seberapa baik ramalan anda. Walau bagaimanapun, ramalan cuaca mempunyai pelbagai aspek. Mungkin ramalan mendapat intensiti hujan yang salah di tempat yang betul, atau ramalan lain mendapat kombinasi intensiti yang betul tetapi di tempat yang salah, dan seterusnya.

DeepMind mengatakan ia akan melepaskan struktur semua protein yang diketahui oleh sains. Syarikat ini telah menggunakan kecerdasan buatan lipat protein AlphaFold untuk menghasilkan struktur bagi proteom manusia, serta ragi, lalat buah dan tikus.

Kerjasama antara DeepMind dan Met Office adalah contoh yang baik untuk bekerjasama dengan pengguna akhir untuk menyelesaikan pembangunan AI. Jelas ini adalah idea yang baik, tetapi selalunya ia tidak berlaku. Pasukan ini mengerjakan projek ini selama beberapa tahun dan input daripada pakar dari Biro Meteorologi membentuk projek tersebut. Suman Ravuri, seorang saintis penyelidikan di DeepMind, mengatakan: "Ini mempromosikan pengembangan model kami dengan cara yang berbeda daripada pelaksanaan kita sendiri." "Jika tidak, kita boleh membuat model yang tidak akan berguna pada akhirnya."

DeepMind juga ingin menunjukkan bahawa AI-nya mempunyai aplikasi praktikal. Bagi Shakir, DGMR dan AlphaFold adalah bahagian dari kisah yang sama: syarikat menggunakan pengalaman bertahun-tahun mereka menyelesaikan teka-teki. Mungkin kesimpulan yang paling penting di sini adalah bahawa DeepMind akhirnya mula menyenaraikan masalah saintifik dunia nyata.

Kemajuan dalam ramalan cuaca

Ramalan cuaca mesti disokong oleh perkembangan teknologi kerana kita semakin dekat dan semakin memahami bagaimana suasana kita berfungsi. Sering kali manusia dan perhitungannya boleh melakukan kesalahan biasa yang dapat dielakkan dengan perkembangan kecerdasan buatan.

Ramalan cuaca adalah kunci untuk menjadi manusia kerana kita dapat memanfaatkan banyak perkara sumber air yang lebih cekap dan mengelakkan bencana dalam ribut dan hujan lebat. Atas sebab ini, ahli meteorologi semakin bersetuju untuk mengembangkan projek kecerdasan buatan untuk meramalkan hujan.

Saya harap dengan maklumat ini anda dapat mengetahui lebih lanjut mengenai projek DeepMind dan ciri-cirinya.


Kandungan artikel mematuhi prinsip kami etika editorial. Untuk melaporkan ralat, klik di sini.

Menjadi yang pertama untuk komen

Tinggalkan komen anda

Alamat email anda tidak akan disiarkan. Ruangan yang diperlukan ditanda dengan *

*

*

  1. Bertanggungjawab atas data: Miguel Ángel Gatón
  2. Tujuan data: Mengendalikan SPAM, pengurusan komen.
  3. Perundangan: Persetujuan anda
  4. Komunikasi data: Data tidak akan disampaikan kepada pihak ketiga kecuali dengan kewajiban hukum.
  5. Penyimpanan data: Pangkalan data yang dihoskan oleh Occentus Networks (EU)
  6. Hak: Pada bila-bila masa anda boleh menghadkan, memulihkan dan menghapus maklumat anda.