อุตุนิยมวิทยาในฐานะวิทยาศาสตร์กำลังก้าวหน้าด้วยการพัฒนาเทคโนโลยี ปัจจุบันมีโปรแกรมคอมพิวเตอร์หลายโปรแกรมที่สามารถคาดการณ์ได้โดยตรงว่าฝนจะตกเมื่อใดและที่ใด บริษัทของ Deepmind ได้พัฒนาปัญญาประดิษฐ์ที่สามารถคาดการณ์ได้เกือบทุกครั้งว่าฝนจะตกเมื่อใดและที่ใด บริษัทนี้ได้ทำงานร่วมกับนักอุตุนิยมวิทยาของสหราชอาณาจักรเพื่อสร้างแบบจำลองที่ดีกว่าสำหรับการคาดการณ์ในระยะสั้นกว่าระบบปัจจุบัน
ในบทความนี้เราจะมาบอกทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับกระเป๋า Robleda ซึ่งเป็นเทคโนโลยีการทำนายอุตุนิยมวิทยาของบริษัท DeepMind
พยากรณ์อากาศ
DeepMind บริษัทปัญญาประดิษฐ์ในลอนดอนยังคงประกอบอาชีพของเขาในการใช้การเรียนรู้เชิงลึกกับปัญหาทางวิทยาศาสตร์ที่ยากลำบาก DeepMind ได้พัฒนาเครื่องมือการเรียนรู้เชิงลึกที่เรียกว่า DGMR โดยความร่วมมือกับสำนักงาน Met ของ British National Weather Service ซึ่งสามารถทำนายความน่าจะเป็นของฝนได้อย่างแม่นยำในอีก 90 นาทีข้างหน้า เป็นหนึ่งในความท้าทายที่ยากที่สุดในการพยากรณ์อากาศ
เมื่อเปรียบเทียบกับเครื่องมือที่มีอยู่ ผู้เชี่ยวชาญหลายสิบคนเชื่อว่าการคาดการณ์ของ DGMR นั้นดีที่สุดในหลายปัจจัย รวมถึงการคาดการณ์ตำแหน่ง ระยะ การเคลื่อนไหว และความรุนแรงของฝน 89% ของเวลาทั้งหมด เครื่องมือใหม่ของ DeepMind เปิดคีย์ใหม่ในวิชาชีววิทยาที่นักวิทยาศาสตร์ได้พยายามแก้ไขมานานหลายทศวรรษ
อย่างไรก็ตาม การปรับปรุงการคาดการณ์เพียงเล็กน้อยก็มีความสำคัญ การพยากรณ์ฝนโดยเฉพาะฝนตกหนักเป็นสิ่งสำคัญสำหรับอุตสาหกรรมต่างๆ ตั้งแต่กิจกรรมกลางแจ้งไปจนถึงการบริการด้านการบินและเหตุฉุกเฉิน แต่การทำให้ถูกต้องนั้นยาก การกำหนดปริมาณน้ำบนท้องฟ้าและเมื่อใดและที่ใดจะตกขึ้นอยู่กับกระบวนการทางภูมิอากาศหลายอย่าง เช่น การเปลี่ยนแปลงของอุณหภูมิ การก่อตัวของเมฆ และลม ปัจจัยเหล่านี้ทั้งหมดมีความซับซ้อนเพียงพอในตัวเอง แต่เมื่อรวมกันแล้วจะซับซ้อนกว่า
เทคโนโลยีการทำนายที่ดีที่สุดที่มีอยู่ใช้คอมพิวเตอร์จำลองฟิสิกส์บรรยากาศจำนวนมาก สิ่งเหล่านี้เหมาะสำหรับการพยากรณ์ระยะยาว แต่ไม่สามารถคาดเดาสิ่งที่จะเกิดขึ้นในชั่วโมงถัดไปได้ดีนัก นี่เรียกว่าการคาดการณ์ทันที
การพัฒนา DeepMind
เทคนิคการเรียนรู้เชิงลึกก่อนหน้านี้ได้รับการพัฒนา แต่เทคนิคเหล่านี้มักจะใช้ได้ผลดีในด้านหนึ่ง เช่น การทำนายตำแหน่ง และค่าใช้จ่ายอื่นๆ เช่น กำลังทำนาย ข้อมูลเรดาร์สำหรับฝนตกหนักที่ช่วยทำนายฝนในทันทียังคงเป็นความท้าทายที่ยิ่งใหญ่สำหรับนักอุตุนิยมวิทยา
ทีม DeepMind ใช้ข้อมูลเรดาร์เพื่อฝึก AI หลายประเทศและภูมิภาคมักเผยแพร่ภาพรวมของการวัดเรดาร์ที่ติดตามการก่อตัวของเมฆและการเคลื่อนที่ตลอดทั้งวัน ตัวอย่างเช่น ในสหราชอาณาจักร การอ่านใหม่จะถูกโพสต์ทุกๆ ห้านาที เมื่อรวมสแนปเหล่านี้เข้าด้วยกัน คุณจะได้วิดีโอสต็อปโมชั่นล่าสุดที่แสดงให้เห็นว่ารูปแบบฝนของประเทศเปลี่ยนแปลงไปอย่างไร
นักวิจัยส่งข้อมูลนี้ไปยังเครือข่ายรุ่นลึกที่คล้ายกับ GAN ซึ่งเป็น AI ที่ได้รับการฝึกอบรมซึ่งสามารถสร้างตัวอย่างข้อมูลใหม่ที่คล้ายกับข้อมูลจริงที่ใช้ในการฝึกอบรม GAN ถูกใช้เพื่อสร้างใบหน้าปลอม รวมถึง Rembrandt ปลอม ในกรณีนี้ DGMR (ซึ่งย่อมาจาก "Generative Deep Rain Model") ได้เรียนรู้ที่จะสร้างสแน็ปช็อตเรดาร์เท็จที่ดำเนินการตามลำดับการวัดจริงต่อไป
การทดลอง DeepMind AI
Shakir Mohamed หัวหน้าทีมวิจัยที่ DeepMind กล่าวว่าสิ่งนี้เหมือนกับการดูภาพนิ่งจากภาพยนตร์และคาดเดาว่าจะเกิดอะไรขึ้นต่อไป เพื่อทดสอบวิธีนี้ ทีมงานได้ขอให้นักอุตุนิยมวิทยา 56 คนจากสำนักอุตุนิยมวิทยา (ซึ่งไม่ได้มีส่วนร่วมในงานนี้) ให้เจาะลึกถึงการจำลองทางกายภาพขั้นสูงและชุดของฝ่ายตรงข้าม
89% ของผู้คนกล่าวว่าพวกเขาชอบผลลัพธ์ที่ได้จาก DGMR โดยทั่วไป อัลกอริธึมแมชชีนเลิร์นนิงพยายามปรับให้เหมาะสมเพื่อวัดว่าการคาดการณ์ของคุณดีแค่ไหน อย่างไรก็ตาม การพยากรณ์อากาศมีแง่มุมต่างๆ มากมาย บางทีการคาดคะเนอาจมีความเข้มของฝนที่ไม่ถูกต้องในสถานที่ที่เหมาะสมหรือการคาดคะเนอื่นๆ ได้ชุดค่าผสมของความเข้มที่ถูกต้องแต่อยู่ผิดที่ เป็นต้น
DeepMind กล่าวว่าจะปล่อยโครงสร้างของโปรตีนทั้งหมดที่นักวิทยาศาสตร์รู้จัก บริษัทได้ใช้ปัญญาประดิษฐ์พับโปรตีน AlphaFold เพื่อสร้างโครงสร้างสำหรับโปรตีโอมของมนุษย์ เช่นเดียวกับยีสต์ แมลงวันผลไม้ และหนู
การทำงานร่วมกันระหว่าง DeepMind และ Met Office เป็นตัวอย่างที่ดีในการทำงานร่วมกับผู้ใช้ปลายทางเพื่อพัฒนา AI ให้เสร็จสมบูรณ์ เห็นได้ชัดว่านี่เป็นความคิดที่ดี แต่มักไม่เกิดขึ้น ทีมงานทำงานในโครงการนี้มาหลายปีและข้อมูลจากผู้เชี่ยวชาญจากสำนักอุตุนิยมวิทยาเป็นผู้กำหนดโครงการ Suman Ravuri นักวิทยาศาสตร์การวิจัยของ DeepMind กล่าวว่า "มันส่งเสริมการพัฒนาแบบจำลองของเราในวิธีที่แตกต่างจากการใช้งานของเราเอง" "ไม่เช่นนั้น เราอาจสร้างแบบจำลองที่ไม่มีประโยชน์อย่างยิ่งในท้ายที่สุด"
DeepMind ยังกระตือรือร้นที่จะแสดงให้เห็นว่า AI มีการใช้งานจริง สำหรับ Shakir แล้ว DGMR และ AlphaFold เป็นส่วนหนึ่งของเรื่องราวเดียวกัน: บริษัทใช้ประสบการณ์หลายปีในการไขปริศนา บางทีข้อสรุปที่สำคัญที่สุดที่นี่คือ DeepMind ได้เริ่มระบุปัญหาทางวิทยาศาสตร์ในโลกแห่งความเป็นจริงในที่สุด
ความก้าวหน้าในการพยากรณ์อากาศ
การพยากรณ์อากาศต้องได้รับการสนับสนุนจากการพัฒนาเทคโนโลยีในขณะที่เราเข้าใกล้มากขึ้นเรื่อยๆ เพื่อทำความเข้าใจอย่างถ่องแท้ว่าบรรยากาศของเราทำงานอย่างไร หลายครั้งที่มนุษย์และการคำนวณของเขาอาจมีข้อผิดพลาดทั่วไปที่สามารถหลีกเลี่ยงได้ด้วยการพัฒนาปัญญาประดิษฐ์
การพยากรณ์อากาศเป็นกุญแจสำคัญในการเป็นมนุษย์เพราะเราสามารถใช้ประโยชน์ได้มากมาย ทรัพยากรน้ำที่มีประสิทธิภาพมากขึ้นและหลีกเลี่ยงภัยพิบัติจากพายุและฝนตกหนัก. ด้วยเหตุผลนี้ นักอุตุนิยมวิทยาจึงเห็นด้วยมากขึ้นที่จะพัฒนาโครงการปัญญาประดิษฐ์เพื่อทำนายปริมาณน้ำฝน
ฉันหวังว่าด้วยข้อมูลนี้ คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับโครงการ DeepMind และลักษณะของโครงการได้