Meteorologia jako nauka rozwija się dzięki rozwojowi technologii. Obecnie istnieje kilka programów komputerowych, które potrafią bezpośrednio przewidzieć, kiedy i gdzie będzie padać. Firma DeepMind opracował sztuczną inteligencję zdolną niemal dokładnie przewidzieć, kiedy i gdzie będzie padać. Firma ta współpracowała z meteorologami z Wielkiej Brytanii, aby stworzyć model, który jest lepszy do sporządzania prognoz krótkoterminowych niż obecne systemy.
W tym artykule powiemy Ci wszystko, co musisz wiedzieć o torbie Robleda, technologii prognozowania meteorologicznego firmy DeepMind.
Prognoza pogody
DeepMind, londyńska firma zajmująca się sztuczną inteligencją, kontynuuje swoją karierę stosowania głębokiego uczenia się do trudnych problemów naukowych. DeepMind opracował narzędzie do głębokiego uczenia się o nazwie DGMR we współpracy z brytyjskim National Weather Service's Met Office, które może dokładnie przewidzieć prawdopodobieństwo deszczu w ciągu następnych 90 minut. To jedno z najtrudniejszych wyzwań w prognozowaniu pogody.
W porównaniu z istniejącymi narzędziami, dziesiątki ekspertów uważa, że prognozy DGMR są najlepsze w przypadku kilku czynników, w tym przewidywania lokalizacji, zasięgu, ruchu i intensywności deszczu w 89% przypadków. Nowe narzędzie DeepMind otwiera nowy klucz w biologii, który naukowcy próbują rozwiązać od dziesięcioleci.
Jednak nawet niewielka poprawa w przewidywaniach jest ważna. Prognozowanie opadów, zwłaszcza ulewnych, ma kluczowe znaczenie dla wielu branż, od aktywności na świeżym powietrzu po usługi lotnicze i sytuacje awaryjne. Ale zrobienie tego dobrze jest trudne. Ustalenie, ile wody znajduje się na niebie oraz kiedy i gdzie spadnie, zależy od wielu procesów klimatycznych, jak zmiany temperatury, tworzenie się chmur i wiatr. Wszystkie te czynniki są same w sobie wystarczająco złożone, ale są bardziej złożone w połączeniu.
Najlepsza dostępna technologia przewidywania wykorzystuje dużą liczbę symulacji komputerowych fizyki atmosfery. Są one odpowiednie do prognoz długoterminowych, ale nie są zbyt dobre w przewidywaniu, co wydarzy się w ciągu najbliższej godziny. Nazywa się to natychmiastową prognozą.
Rozwój DeepMind
Opracowano wcześniejsze techniki głębokiego uczenia się, ale te techniki zwykle działają dobrze pod jednym względem, takim jak przewidywanie lokalizacji, a kosztem innego, na przykład przewidywania siły. Dane radarowe dotyczące ulewnego deszczu, które pomagają przewidzieć natychmiastowy deszcz, pozostają wielkim wyzwaniem dla meteorologów.
Zespół DeepMind wykorzystał dane radarowe do szkolenia swojej sztucznej inteligencji. Wiele krajów i regionów często publikuje migawki pomiarów radarowych, które śledzą powstawanie i ruch chmur w ciągu dnia. Na przykład w Wielkiej Brytanii nowe odczyty są publikowane co pięć minut. Łącząc te zatrzaski, możesz uzyskać aktualny film poklatkowy pokazujący, jak zmienia się wzór deszczu w danym kraju.
Naukowcy wysyłają te dane do sieci głębokiej generacji podobnej do GAN, która jest wytrenowaną sztuczną inteligencją, która może generować nowe próbki danych, które są bardzo podobne do rzeczywistych danych wykorzystywanych w treningu. GAN był używany do generowania fałszywych twarzy, w tym fałszywego Rembrandta. W tym przypadku DGMR (co oznacza „Generative Deep Rain Model”) nauczył się generować fałszywe zrzuty obrazu radarowego, które kontynuują rzeczywistą sekwencję pomiarów.
Eksperymenty ze sztuczną inteligencją DeepMind
Shakir Mohamed, który prowadził badania w DeepMind, powiedział, że to to samo, co oglądanie kilku zdjęć z filmu i zgadywanie, co będzie dalej. Aby przetestować tę metodę, zespół poprosił 56 meteorologów z Biura Meteorologii (którzy nie byli zaangażowani w prace) o zagłębienie się w bardziej zaawansowane symulacje fizyczne i zestaw przeciwników.
89% osób stwierdziło, że woli wyniki podane przez DGMR. Algorytmy uczenia maszynowego zazwyczaj próbują zoptymalizować, aby uzyskać prostą miarę tego, jak dobre są Twoje prognozy. Jednak prognoza pogody ma wiele różnych aspektów. Może prognoza podała niewłaściwą intensywność deszczu we właściwym miejscu?lub inna prognoza zawiera poprawną kombinację intensywności, ale w niewłaściwym miejscu i tak dalej.
DeepMind powiedział, że uwolni strukturę wszystkich białek znanych nauce. Firma wykorzystała sztuczną inteligencję do składania białek AlphaFold do generowania struktur dla ludzkiego proteomu, a także dla drożdży, muszek owocowych i myszy.
Współpraca DeepMind i Met Office to dobry przykład pracy z użytkownikami końcowymi w celu ukończenia rozwoju AI. Oczywiście to dobry pomysł, ale często tak się nie dzieje. Zespół pracował nad projektem przez kilka lat, a wkład ekspertów z Biura Meteorologii ukształtował projekt. Suman Ravuri, naukowiec z DeepMind, powiedział: „Promuje rozwój naszego modelu w inny sposób niż nasza własna implementacja”. „W przeciwnym razie moglibyśmy stworzyć model, który ostatecznie nie byłby szczególnie przydatny”.
DeepMind chce również pokazać, że jego sztuczna inteligencja ma praktyczne zastosowania. Dla Shakira DGMR i AlphaFold są częścią tej samej historii: firma wykorzystuje swoje wieloletnie doświadczenie w rozwiązywaniu zagadek. Być może najważniejszym wnioskiem jest to, że DeepMind w końcu zaczął wymieniać rzeczywiste problemy naukowe.
Postępy w prognozowaniu pogody
Prognozowanie pogody musi być wspierane przez rozwój technologii, ponieważ jesteśmy coraz bliżej pełnego zrozumienia, jak działa nasza atmosfera. Niejednokrotnie człowiek i jego obliczenia mogą podlegać powszechnym błędom, których można uniknąć dzięki rozwojowi sztucznej inteligencji.
Prognozowanie pogody jest kluczem do bycia człowiekiem, ponieważ możemy wiele wykorzystać wydajniejsze zasoby wodne i uniknięcie niektórych katastrof podczas burz i ulewnych deszczy. Z tego powodu meteorolodzy coraz częściej zgadzają się na opracowywanie projektów sztucznej inteligencji do przewidywania opadów.
Mam nadzieję, że dzięki tym informacjom możesz dowiedzieć się więcej o projekcie DeepMind i jego charakterystyce.