Meteorologie als wetenschap gaat vooruit dankzij de ontwikkeling van technologie. Momenteel zijn er verschillende computerprogramma's die direct kunnen voorspellen waar en wanneer het gaat regenen. het bedrijf van DeepMind heeft een kunstmatige intelligentie ontwikkeld die bijna precies kan voorspellen waar en wanneer het gaat regenen. Dit bedrijf heeft met Britse meteorologen samengewerkt om een model te maken dat beter is voor het maken van kortetermijnvoorspellingen dan de huidige systemen.
In dit artikel gaan we je alles vertellen wat je moet weten over de Robleda-tas, de meteorologische voorspellingstechnologie van het bedrijf DeepMind.
Weersverwachting
DeepMind, een in Londen gevestigd bedrijf voor kunstmatige intelligentie, zet zijn carrière voort door diep leren toe te passen op moeilijke wetenschappelijke problemen. DeepMind heeft in samenwerking met het Met Office van de British National Weather Service een deep learning-tool ontwikkeld, DGMR genaamd, die de kans op regen in de komende 90 minuten nauwkeurig kan voorspellen. Het is een van de moeilijkste uitdagingen bij weersvoorspellingen.
In vergelijking met bestaande tools zijn tientallen experts van mening dat de voorspellingen van DGMR de beste zijn op verschillende factoren, waaronder de voorspellingen van de locatie, het bereik, de beweging en de intensiteit van regen, 89% van de tijd. De nieuwe tool van DeepMind opent een nieuwe sleutel in de biologie die wetenschappers al tientallen jaren proberen op te lossen.
Maar zelfs kleine verbeteringen in voorspellingen zijn belangrijk. Het voorspellen van regen, met name zware regenval, is van cruciaal belang voor veel industrieën, van buitenactiviteiten tot luchtvaartdiensten en noodgevallen. Maar het goed krijgen is moeilijk. Bepalen hoeveel water er in de lucht is en wanneer en waar het zal vallen, hangt af van veel klimatologische processen, zoals temperatuurveranderingen, wolkenvorming en wind. Al deze factoren zijn op zichzelf al complex genoeg, maar ze zijn complexer wanneer ze worden gecombineerd.
De best beschikbare voorspellingstechnologie maakt gebruik van een groot aantal computersimulaties van atmosferische fysica. Deze zijn geschikt voor langetermijnvoorspellingen, maar ze zijn niet erg goed in het voorspellen van wat er het komende uur zal gebeuren. Dit wordt een directe prognose genoemd.
DeepMind-ontwikkeling
Er zijn eerdere deep learning-technieken ontwikkeld, maar deze technieken werken meestal goed in één opzicht, zoals het voorspellen van de locatie, en ten koste van een ander, zoals het voorspellen van kracht. Radargegevens voor zware regen die onmiddellijke regen helpen voorspellen, blijven een grote uitdaging voor meteorologen.
Het DeepMind-team gebruikte radargegevens om hun AI te trainen. Veel landen en regio's publiceren regelmatig snapshots van radarmetingen die de vorming en beweging van wolken gedurende de dag volgen. In het VK worden bijvoorbeeld elke vijf minuten nieuwe metingen geplaatst. Door deze kiekjes samen te voegen, kunt u een actuele stop-motionvideo krijgen die laat zien hoe het regenpatroon van een land verandert.
De onderzoekers sturen deze gegevens naar een diep generatienetwerk vergelijkbaar met GAN, een getrainde AI die nieuwe gegevensmonsters kan genereren die erg lijken op de daadwerkelijke gegevens die tijdens de training worden gebruikt. GAN is gebruikt om nepgezichten te genereren, waaronder de nep-Rembrandt. In dit geval heeft DGMR (wat staat voor "Generative Deep Rain Model") geleerd om valse radarsnapshots te genereren die de eigenlijke meetreeks voortzetten.
DeepMind AI-experimenten
Shakir Mohamed, die het onderzoek bij DeepMind leidde, zei dat dit hetzelfde is als het kijken naar een paar stills uit een film en raden wat er daarna gaat gebeuren. Om deze methode te testen, vroeg het team 56 meteorologen van het Bureau of Meteorology (die niet betrokken waren bij het werk) om zich te verdiepen in de meer geavanceerde fysieke simulaties en een reeks tegenstanders.
89% van de mensen zei dat ze de resultaten van DGMR prefereren. Algoritmen voor machine learning proberen over het algemeen te optimaliseren voor een eenvoudige meting van hoe goed uw voorspellingen zijn. De weersvoorspelling heeft echter veel verschillende aspecten. Misschien kreeg een voorspelling de verkeerde regenintensiteit op de juiste plaats, of een andere voorspelling kreeg de juiste combinatie van intensiteiten, maar op de verkeerde plaats, enzovoort.
DeepMind zei dat het de structuur van alle aan de wetenschap bekende eiwitten zal vrijgeven. Het bedrijf heeft zijn AlphaFold-eiwitvouwende kunstmatige intelligentie gebruikt om structuren te genereren voor het menselijke proteoom, maar ook voor gist, fruitvliegen en muizen.
De samenwerking tussen DeepMind en Met Office is een goed voorbeeld van het werken met eindgebruikers om AI-ontwikkeling te voltooien. Dit is natuurlijk een goed idee, maar het gebeurt vaak niet. Het team heeft een aantal jaren aan het project gewerkt en input van experts van het Bureau of Meteorology heeft het project gevormd. Suman Ravuri, een onderzoekswetenschapper bij DeepMind, zei: "Het bevordert de ontwikkeling van ons model op een andere manier dan onze eigen implementatie." "Anders hadden we een model kunnen maken dat uiteindelijk niet zo handig zou zijn."
DeepMind wil ook graag laten zien dat zijn AI praktische toepassingen heeft. Voor Shakir maken DGMR en AlphaFold deel uit van hetzelfde verhaal: het bedrijf maakt gebruik van hun jarenlange ervaring met het oplossen van puzzels. Misschien wel de belangrijkste conclusie hier is dat DeepMind eindelijk is begonnen met het opsommen van echte wetenschappelijke problemen.
Vooruitgang in weersvoorspellingen
Weersvoorspellingen moeten worden ondersteund door de ontwikkeling van technologie naarmate we steeds dichter bij een volledig begrip komen van hoe onze atmosfeer werkt. Vaak kunnen de mens en zijn berekeningen onderhevig zijn aan veelvoorkomende fouten die kunnen worden vermeden met de ontwikkeling van kunstmatige intelligentie.
Weersvoorspelling is de sleutel tot mens zijn, omdat we van veel kunnen profiteren efficiëntere waterbronnen en vermijd enkele rampen bij stormen en zware regenval. Om deze reden komen meteorologen steeds meer overeen om kunstmatige-intelligentieprojecten te ontwikkelen voor het voorspellen van regenval.
Ik hoop dat je met deze informatie meer te weten kunt komen over het DeepMind-project en zijn kenmerken.