DeepMind AI может лучше предсказывать погоду

Deepmind AI

Метеорология как наука развивается благодаря развитию технологий. В настоящее время существует несколько компьютерных программ, способных напрямую предсказать, когда и где пойдет дождь. Компания DeepMind разработал искусственный интеллект, способный почти точно предсказать, когда и где пойдет дождь. Эта компания работала с британскими метеорологами над созданием модели, которая лучше подходит для краткосрочных прогнозов, чем существующие системы.

В этой статье мы расскажем вам все, что вам нужно знать о сумке Robleda, технологии прогнозирования погоды от компании DeepMind.

прогноз погоды

deepmind

DeepMind, лондонская компания, занимающаяся искусственным интеллектом, продолжает свою карьеру в применении глубокого обучения к трудным научным проблемам. DeepMind разработал инструмент глубокого обучения под названием DGMR в сотрудничестве с Метеорологическим бюро Британской национальной метеорологической службы, который может точно предсказать вероятность дождя в ближайшие 90 минут. Это одна из самых сложных задач в прогнозировании погоды.

По сравнению с существующими инструментами, десятки экспертов считают, что прогнозы DGMR являются лучшими по нескольким факторам, включая прогнозы местоположения, дальности, движения и интенсивности дождя в 89% случаев. Новый инструмент DeepMind открывает новый ключ к биологии, который ученые пытались разгадать на протяжении десятилетий.

Однако даже небольшие улучшения в прогнозах важны. Прогнозирование количества осадков, особенно сильных дождей, имеет решающее значение для многих отраслей, от мероприятий на свежем воздухе до авиационных услуг и чрезвычайных ситуаций. Но сделать это правильно сложно. Определение того, сколько воды находится в небе и когда и куда она упадет, зависит от многих климатических процессов, например, перепады температуры, образование облаков и ветер. Все эти факторы достаточно сложны сами по себе, но в совокупности они становятся более сложными.

Наилучшая доступная технология прогнозирования использует большое количество компьютерных симуляций физики атмосферы. Они подходят для долгосрочных прогнозов, но не очень хороши для предсказания того, что произойдет в следующий час. Это называется немедленным прогнозом.

Разработка DeepMind

разработка прогнозов погоды

Были разработаны предыдущие методы глубокого обучения, но эти методы обычно хорошо работают в одном отношении, например, для прогнозирования местоположения, и за счет другого, например, для прогнозирования силы. Радиолокационные данные для сильного дождя, которые помогают предсказать немедленный дождь, остаются большой проблемой для метеорологов.

Команда DeepMind использовала данные радара для обучения своего ИИ. Многие страны и регионы часто публикуют снимки радарных измерений, которые отслеживают формирование и движение облаков в течение дня. Например, в Великобритании новые показания публикуются каждые пять минут. Собрав эти снимки вместе, вы можете получить обновленное покадровое видео, показывающее, как меняется характер дождя в стране.

Исследователи отправляют эти данные в сеть глубокой генерации, подобную GAN, которая представляет собой обученный ИИ, который может генерировать новые образцы данных, очень похожие на фактические данные, используемые при обучении. GAN использовался для создания фальшивых лиц, в том числе фальшивого Рембрандта. В этом случае DGMR (что означает «Генеративная модель глубокого дождя») научился генерировать ложные снимки радара, которые продолжают фактическую последовательность измерений.

DeepMind AI Эксперименты

прогноз погоды

Шакир Мохамед, руководивший исследованием DeepMind, сказал, что это то же самое, что посмотреть несколько кадров из фильма и угадать, что будет дальше. Чтобы протестировать этот метод, команда попросила 56 метеорологов из Бюро метеорологии (которые не участвовали в работе) углубиться в более продвинутые физические модели и набор противников.

89% людей заявили, что предпочитают результаты, предоставленные DGMR. Алгоритмы машинного обучения обычно пытаются оптимизировать для простой оценки того, насколько хороши ваши прогнозы. Однако прогноз погоды имеет много разных аспектов. Возможно, в предсказании была неверная интенсивность дождя в нужном месте, или другое предсказание получило правильную комбинацию интенсивностей, но не в том месте, и так далее.

DeepMind заявила, что высвободит структуру всех белков, известных науке. Компания использовала свой искусственный интеллект сворачивания белка AlphaFold для создания структур для протеома человека, а также для дрожжей, дрозофил и мышей.

Сотрудничество DeepMind и Met Office - хороший пример работы с конечными пользователями для завершения разработки AI. Очевидно, это хорошая идея, но часто этого не происходит. Команда работала над проектом в течение нескольких лет, и вклад экспертов из Бюро метеорологии сформировал проект. Суман Равури, научный сотрудник DeepMind, сказал: «Это способствует развитию нашей модели иначе, чем наша собственная реализация». «В противном случае мы могли бы создать модель, которая в конечном итоге не принесла бы особой пользы».

DeepMind также стремится показать, что его ИИ имеет практическое применение. Для Шакира DGMR и AlphaFold - это часть одной истории: компания использует свой многолетний опыт решения головоломок. Возможно, самый важный вывод здесь заключается в том, что DeepMind наконец-то начал перечислять реальные научные проблемы.

Достижения в прогнозировании погоды

Прогнозирование погоды должно подкрепляться развитием технологий, поскольку мы все ближе и ближе к полному пониманию того, как устроена наша атмосфера. Часто человек и его вычисления могут быть подвержены типичным ошибкам, которых можно избежать с развитием искусственного интеллекта.

Прогнозирование погоды - ключ к тому, чтобы быть человеком, поскольку мы можем многим воспользоваться более эффективные водные ресурсы и избежать некоторых катастроф во время штормов и проливных дождей. По этой причине метеорологи все чаще соглашаются разрабатывать проекты искусственного интеллекта для прогнозирования осадков.

Надеюсь, что с помощью этой информации вы сможете больше узнать о проекте DeepMind и его характеристиках.


Будьте первым, чтобы комментировать

Оставьте свой комментарий

Ваш электронный адрес не будет опубликован. Обязательные для заполнения поля помечены *

*

*

  1. Ответственный за данные: Мигель Анхель Гатон
  2. Назначение данных: контроль спама, управление комментариями.
  3. Легитимация: ваше согласие
  4. Передача данных: данные не будут переданы третьим лицам, кроме как по закону.
  5. Хранение данных: база данных, размещенная в Occentus Networks (ЕС)
  6. Права: в любое время вы можете ограничить, восстановить и удалить свою информацию.