De huidige weersvoorspellingen zijn gebaseerd op complexe modellen die de wetten omvatten die de dynamiek van de atmosfeer en de oceanen beheersen, en deze modellen draaien op enkele van de krachtigste supercomputers die er bestaan. Alphabet (het moederbedrijf van Google) is er echter in geslaagd om de mondiale weersomstandigheden voor de komende tien dagen in slechts één minuut te voorspellen met behulp van een enkele machine ter grootte van een personal computer, dankzij kunstmatige intelligentie ontwikkeld door DeepMind. De Google AI voorspelt het weer en dit is nog maar net begonnen.
In dit artikel gaan we je vertellen hoe Google AI het weer voorspelt en hoe deze technologie is geëvolueerd.
Google AI voorspelt het weer
Verrassend genoeg presteert dit AI-systeem in bijna elk opzicht beter dan de meeste moderne weervoorspellingssystemen. Interessant genoeg lijkt het erop dat kunstmatige intelligentie deze keer eerder als aanvulling op de menselijke intelligentie dient dan als vervanging ervan.
Het Europees Centrum voor Weersverwachtingen op Middellange Termijn (ECMWF) beschikt over een ongelooflijk geavanceerd systeem dat vorig jaar een grote upgrade heeft ondergaan, waardoor de voorspellende mogelijkheden zijn verbeterd. Gehost in de faciliteiten in Bologna, Italië, Er is een supercomputer uitgerust met ongeveer een miljoen processors (in tegenstelling tot de twee of vier in een personal computer) en een buitengewone rekenkracht van 30 petaflops, wat overeenkomt met maar liefst 30.000 biljoen berekeningen per seconde.
Deze enorme rekencapaciteit is nodig voor een van de instrumenten ervan, High Resolution Forecasting (HRES), die nauwkeurig de mondiale weerpatronen op de middellange termijn voorspelt. Ze bestrijken over het algemeen tien dagen, met een indrukwekkende ruimtelijke resolutie van negen kilometer. Deze voorspellingen dienen als basis voor weersvoorspellingen van meteorologen over de hele wereld. Onlangs is GraphCast, een kunstmatige intelligentie ontwikkeld door Google DeepMind, gebruikt om de mogelijkheden van dit formidabele systeem op het gebied van weersvoorspelling te meten.
AI-onderzoeksresultaten
Uit de vergelijkingsresultaten, die dinsdag in het tijdschrift Science zijn gepubliceerd, blijkt dat GraphCast beter presteert dan HRES bij het voorspellen van talrijke weersfactoren. Volgens de studie De machine van Google presteert beter dan die van ECMWF in 90,3% van de 1.380 onderzochte statistieken.
Wanneer uitsluitend wordt gekeken naar de troposfeer, de atmosferische laag waar de meeste weersgebeurtenissen plaatsvinden, en met uitsluiting van gegevens uit de stratosfeer, die ongeveer 6 tot 8 kilometer boven het aardoppervlak ligt, presteert kunstmatige intelligentie (A.I.) in 99,7% van de gevallen beter dan door mensen gecontroleerde supercomputers. gevallen. de variabelen geanalyseerd. Verrassend genoeg werd deze prestatie bereikt met behulp van een machine die sterk lijkt op een personal computer die bekend staat als een tensor processing unit of TPU.
Volgens Álvaro Sánchez González, onderzoeker bij Google DeepMind, zijn TPU's gespecialiseerde hardware die efficiëntere training en uitvoering van kunstmatige-intelligentiesoftware biedt in vergelijking met een normale pc, terwijl ze een vergelijkbare grootte behouden. Net zoals de grafische kaart van een computer zich richt op het weergeven van afbeeldingen, zijn TPU's ontworpen om uit te blinken in matrixproducten. Voor GraphCast-training hebben we in de loop van een aantal weken 32 TPU's gebruikt. Maar zodra de opleiding is afgerond, een enkele TPU kan in minder dan een minuut voorspellingen genereren, zoals uitgelegd door Sánchez González, een van de makers van het apparaat.
GraphCast en voorspellingssystemen
Een opmerkelijk verschil tussen GraphCast en bestaande voorspellingssystemen is het vermogen om historische gegevens te integreren. De makers hebben het systeem getraind met behulp van meteorologische gegevens uit het ECMWF-archief daterend uit 1979. Deze uitgebreide dataset omvat de regenval in Santiago en de cyclonen die Acapulco gedurende een periode van veertig jaar hebben getroffen. Na een aanzienlijke hoeveelheid training heeft GraphCast het opmerkelijke vermogen om nauwkeurige weersvoorspellingen te genereren.
Het vereist slechts kennis van de weersomstandigheden zes uur vóór en onmiddellijk vóór uw voorspelling om het weer over zes uur vanaf nu nauwkeurig te voorspellen. Voorspellingen zijn onderling afhankelijk en elke nieuwe voorspelling informeert de vorige. Ferran Alet, mede-maker van deze indrukwekkende DeepMind-machine, legt de innerlijke werking ervan uit: “Ons neurale netwerk anticipeert zes uur van tevoren op de weersomstandigheden. Om het weer binnen 24 uur te voorspellen, evalueren we het model eenvoudigweg vier keer. Als alternatief hadden we afzonderlijke modellen kunnen trainen voor de verschillende tijdsperioden, bijvoorbeeld één voor zes uur en één voor 24 uur. Echter, "We begrijpen dat de onderliggende principes die het weer bepalen binnen een periode van zes uur consistent blijven."
"Als we het juiste 6-uursmodel kunnen ontdekken en de eigen voorspellingen als input kunnen gebruiken, kunnen we het weer voor de komende 12 uur nauwkeurig voorspellen en dit proces elke zes uur herhalen." Volgens Alet levert deze aanpak een aanzienlijke hoeveelheid gegevens op voor één enkel model, wat resulteert in een efficiëntere training.
Tot nu toe zijn weersvoorspellingen gebaseerd op numerieke weersvoorspellingen, waarbij gebruik wordt gemaakt van wetenschappelijke vergelijkingen die door de geschiedenis heen zijn ontwikkeld om rekening te houden met de verschillende complexiteiten van de atmosferische dynamiek. De bevindingen van de onderzoekers vormen een reeks wiskundige algoritmen die supercomputers kunnen gebruiken moet worden uitgevoerd om voorspellingen te genereren voor de komende uren, dagen of weken (hoewel de betrouwbaarheid aanzienlijk afneemt na 15 dagen). Voor het uitvoeren van deze taak is echter een zeer geavanceerde supercomputer nodig, wat aanzienlijke kosten en uitgebreide technische inspanningen met zich meebrengt.
Het AI-model van Google voorspelt het weer
Wat vooral opvalt is dat deze systemen ze maken geen gebruik van de weersomstandigheden van de vorige dag of zelfs van het voorgaande jaar, ondanks dat het zich op dezelfde plaats en op hetzelfde tijdstip afspeelt.
Integendeel, het benadert de taak vanuit een andere hoek, bijna het tegenovergestelde. Via zijn geavanceerde diepgaande leermogelijkheden maakt het gebruik van uitgebreide archieven van weergegevens uit het verleden om een alomvattend inzicht te krijgen in de ingewikkelde oorzaak-en-gevolg-dynamiek die de voortgang van het klimaat op aarde dicteert.
Volgens José Luis Casado, woordvoerder van het Spaanse Meteorologisch Agentschap (AEMET), wordt er geen rekening gehouden met historische gegevens in het atmosferische model. Casado verduidelijkt dat dit model gebaseerd is op bestaande waarnemingen en de meest recente voorspelling van het model zelf. Door de huidige toestand van de atmosfeer nauwkeurig te begrijpen, is het mogelijk de toekomstige voortgang ervan te voorspellen. In tegenstelling tot machine learning-technieken maakt deze aanpak geen gebruik van historische gegevens of voorspellingen.
Ik hoop dat je met deze informatie meer kunt leren over de AI van Google die het weer en de kenmerken ervan voorspelt.