DeepMind AI може краще передбачати погоду

Глибокий інтелект

Метеорологія як наука просувається вперед завдяки розвитку технологій. В даний час існує кілька комп'ютерних програм, здатних безпосередньо передбачити, коли і де буде йти дощ. Компанія м Deepmind розробила штучний інтелект, здатний майже точно передбачити, коли і де буде йти дощ. Ця компанія співпрацювала з метеорологами Великобританії над створенням моделі, яка краще для короткострокових прогнозів, ніж поточні системи.

У цій статті ми розповімо вам все, що вам потрібно знати про сумку Robleda, технологію метеорологічних прогнозів компанії DeepMind.

Прогноз погоди

deepmind

DeepMind, лондонська компанія зі штучного інтелекту, продовжує свою кар’єру, застосовуючи глибоке навчання до складних наукових проблем. DeepMind розробила інструмент глибокого навчання під назвою DGMR у співпраці з Метрослужбою Британської національної метеорологічної служби, який може точно передбачити ймовірність дощу протягом наступних 90 хвилин. Це одна з найскладніших проблем прогнозування погоди.

У порівнянні з існуючими інструментами, десятки експертів вважають, що прогнози DGMR є найкращими за кількома факторами, включаючи його прогнози розташування, діапазону, руху та інтенсивності дощу, 89% випадків. Новий інструмент DeepMind відкриває новий ключ у біології, який вчені намагалися вирішити десятиліттями.

Однак навіть невеликі поліпшення прогнозів важливі. Прогнозування опадів, особливо сильних, є критично важливим для багатьох галузей промисловості, починаючи від активного відпочинку та закінчуючи авіаційними службами та надзвичайними ситуаціями. Але правильно це зробити важко. Визначення того, скільки води на небі, коли і куди вона впаде, залежить від багатьох кліматичних процесів, наприклад, зміна температури, утворення хмар та вітер. Всі ці фактори самі по собі досить складні, але при їх поєднанні вони складніші.

Найкраща доступна технологія прогнозування використовує велику кількість комп’ютерних моделювань фізики атмосфери. Вони підходять для довгострокових прогнозів, але вони не дуже добре передбачають, що станеться протягом наступної години. Це називається негайним прогнозом.

Розвиток DeepMind

розробка прогнозу погоди

Попередні методи глибокого навчання були розроблені, але зазвичай ці прийоми добре працюють в одному аспекті, наприклад, при прогнозуванні місця розташування, і за рахунок іншого, наприклад, при прогнозуванні сили. Дані радіолокації для сильних дощів, які допомагають передбачити негайний дощ, залишаються великою проблемою для метеорологів.

Команда DeepMind використовувала радіолокаційні дані для навчання свого штучного інтелекту. У багатьох країнах і регіонах часто публікуються знімки радіолокаційних вимірювань, які відстежують утворення та рух хмар протягом дня. Наприклад, у Великобританії нові показники публікуються кожні п’ять хвилин. З’єднавши ці знімки, ви можете отримати оновлене відео про зупинку руху, яке показує, як змінюється характер дощу в країні.

Дослідники надсилають ці дані до мережі глибокого покоління, подібної до GAN, яка є навченим ШІ, яка може генерувати нові зразки даних, дуже схожі на фактичні дані, що використовуються у навчанні. GAN використовується для створення підроблених облич, включаючи підробленого Рембрандта. У цьому випадку DGMR (що розшифровується як «Генеративна модель глибокого дощу») навчився генерувати хибні знімки радіолокатора, які продовжують фактичну послідовність вимірювань.

Експерименти DeepMind AI

прогноз погоди

Шакір Мохамед, який керував дослідженням у DeepMind, сказав, що це те саме, що подивитися кілька кадрів з фільму і здогадатися, що буде далі. Щоб перевірити цей метод, команда попросила 56 метеорологів з Бюро метеорології (які не були залучені до роботи) поглибитися у більш просунуті фізичні моделювання та набір противників.

89% людей сказали, що віддають перевагу результатам DGMR. Алгоритми машинного навчання зазвичай намагаються оптимізувати для простого вимірювання того, наскільки хороші ваші прогнози. Однак прогноз погоди має багато різних аспектів. Можливо, прогноз отримав неправильну інтенсивність дощу в потрібному місці, або інше передбачення отримало правильне поєднання інтенсивностей, але в неправильному місці тощо.

DeepMind заявив, що звільнить структуру всіх відомих науці білків. Компанія використовувала свій білковий складний штучний інтелект AlphaFold для створення структур для протеому людини, а також для дріжджів, фруктових мух та мишей.

Співпраця між DeepMind та Met Office є хорошим прикладом роботи з кінцевими користувачами для завершення розвитку ШІ. Зрозуміло, що це хороша ідея, але часто це не відбувається. Команда працювала над проектом протягом кількох років, і внесок експертів з Бюро метеорології сформував проект. Суман Равурі, науковий співробітник DeepMind, сказав: "Це сприяє розвитку нашої моделі по -іншому, ніж наша власна реалізація". "Інакше ми могли б створити модель, яка в кінцевому підсумку не була б особливо корисною".

DeepMind також прагне показати, що його ШІ має практичне застосування. Для Шакіра DGMR та AlphaFold є частиною однієї історії: компанія використовує їх багаторічний досвід вирішення головоломок. Мабуть, найважливішим висновком тут є те, що DeepMind нарешті почав перераховувати реальні наукові проблеми.

Досягнення в прогнозі погоди

Прогнозування погоди має підтримуватися розвитком технологій, оскільки ми все ближче і ближче до повного розуміння того, як працює наша атмосфера. Багато разів людська істота та її обчислення можуть бути схильні до поширених помилок, яких можна уникнути шляхом розвитку штучного інтелекту.

Прогноз погоди є ключовим для людини, оскільки ми можемо багато чого скористатися більш ефективних водних ресурсів та уникнути деяких катастроф під час штормів та сильних дощів. З цієї причини метеорологи все більше погоджуються розробляти проекти штучного інтелекту для прогнозування опадів.

Я сподіваюся, що з цією інформацією ви зможете дізнатися більше про проект DeepMind та його характеристики.


Зміст статті відповідає нашим принципам редакційна етика. Щоб повідомити про помилку, натисніть тут.

Будьте першим, щоб коментувати

Залиште свій коментар

Ваша електронна адреса не буде опублікований. Обов'язкові для заповнення поля позначені *

*

*

  1. Відповідальний за дані: Мігель Анхель Гатон
  2. Призначення даних: Контроль спаму, управління коментарями.
  3. Легітимація: Ваша згода
  4. Передача даних: Дані не передаватимуться третім особам, за винятком юридичних зобов’язань.
  5. Зберігання даних: База даних, розміщена в мережі Occentus Networks (ЄС)
  6. Права: Ви можете будь-коли обмежити, відновити та видалити свою інформацію.