谷歌人工智能预测天气

谷歌人工智能预测天气

当今的天气预报基于复杂的模型,这些模型融合了控制大气和海洋动力学的定律,并且这些模型在现有的一些最强大的超级计算机上运行。 然而,得益于 DeepMind 开发的人工智能,Alphabet(谷歌母公司)仅用一台个人电脑大小的机器就能在短短一分钟内预测出未来 10 天的全球天气状况。 这 谷歌人工智能预测天气 而这才刚刚开始。

在这篇文章中,我们将告诉您谷歌人工智能如何预测天气以及这项技术是如何发展的。

谷歌人工智能预测天气

天气预报模型

令人惊讶的是,这个人工智能系统几乎在每个方面都优于大多数现代天气预报系统。 有趣的是,这一次人工智能似乎是对人类智能的补充,而不是取代。

欧洲中期天气预报中心 (ECMWF) 拥有一个极其先进的系统,该系统去年进行了重大升级,提高了其预测能力。 托管在意大利博洛尼亚的设施中, 有一台配备了大约一百万个处理器的超级计算机 (与个人计算机中的两个或四个相比)以及 30 petaflops 的非凡计算能力,相当于每秒惊人的 30.000 万亿次计算。

这种巨大的计算能力对于其工具之一——高分辨率预报(HRES)来说是必要的,它可以准确地预测中期全球天气模式, 它们通常持续 10 天,空间分辨率高达 XNUMX 公里。 这些预测是世界各地气象学家提供天气预报的基础。 最近,谷歌 DeepMind 开发的人工智能 GraphCast 已被用来衡量这一强大系统在天气预报方面的能力。

人工智能研究结果

图形广播

周二发表在《科学》杂志上的比较结果表明,GraphCast 在预测众多天气因素方面优于 HRES。 根据研究, 在所检查的 90,3 个指标中,Google 的机器有 1.380% 的表现优于 ECMWF。

当仅关注对流层(大多数天气事件发生的大气层)并排除平流层(距地球表面约 6 至 8 公里)的数据时,人工智能 (A.I.) 在 99,7% 的处理中优于人类监督的超级计算机。案例。 分析的变量。 令人惊讶的是,这一成就是使用一台与个人计算机非常相似的机器(称为张量处理单元或 TPU)实现的。

谷歌 DeepMind 研究员 Álvaro Sánchez González 表示,TPU 是一种专用硬件,与普通 PC 相比,它可以提供更高效的人工智能软件训练和执行,同时保持相似的尺寸。 正如计算机显卡专注于渲染图像一样,TPU 也被设计为在矩阵产品中表现出色。 对于 GraphCast 训练,我们在几周的时间里使用了 32 个 TPU。 然而,当训练结束后, 单个 TPU 可以在不到一分钟的时间内生成预测正如该设备的创建者之一桑切斯·冈萨雷斯 (Sánchez González) 所解释的那样。

GraphCast 和预测系统

谷歌人工智能预测天气

GraphCast 和现有预测系统之间的一个显着区别是它合并历史数据的能力。 创建者使用可追溯到 1979 年的 ECMWF 档案中的气象数据来训练该系统。这个广泛的数据集涵盖 圣地亚哥的降雨量和影响阿卡普尔科 40 年来的气旋。 经过大量的训练,GraphCast 具有生成准确天气预报的卓越能力。

只需要在预报前六小时和前一刻了解天气状况,就可以准确预测从现在起六个小时后的天气。 预测是相互依赖的,每个新的预测都会通知前一个预测。 Ferran Alet,这台令人印象深刻的 DeepMind 机器的共同创造者,解释了它的内部工作原理:“我们的神经网络提前六小时预测天气状况。 为了预测 24 小时内的天气,我们只需对模型进行四次评估。 或者,我们可以针对不同时间段训练单独的模型,例如一个训练 24 小时,一个训练 XNUMX 小时。 然而, “我们知道,管理气候的基本原则在六小时内保持一致。”

“因此,如果我们能够找到合适的 6 小时模型并使用其自己的预测作为输入,我们就可以准确预测未来 12 小时的天气,并每 XNUMX 小时重复一次这个过程。” 据 Alet 介绍,这种方法为单个模型提供了大量数据,从而提高了训练效率。

到目前为止,天气预报一直基于数值天气预报,数值天气预报使用历史上发展起来的科学方程来解释大气动力学的各种复杂性。 研究人员的发现建立了一套数学算法,超级计算机可以 必须运行以生成接下来几个小时、几天或几周的预测 (尽管可靠性在超过 15 天后显着下降)。 然而,执行这项任务需要非常先进的超级计算机,这涉及大量成本和大量的工程工作。

谷歌人工智能模型预测天气

特别值得注意的是,这些系统 他们不使用前一天甚至前一年的天气状况,尽管发生在同一地点和同一时间。

相反,它从不同的角度来处理任务,几乎是相反的。 通过其先进的深度学习功能,它使用过去天气数据的大量档案来全面了解决定地球气候进展的复杂因果动态。

西班牙气象局(AEMET)发言人何塞·路易斯·卡萨多表示,大气模型中没有考虑历史数据。 卡萨多澄清说,这个模型是基于现有的观察结果和模型本身做出的最新预测。 通过准确了解大气层的当前状态,可以预测其未来的发展。 与机器学习技术不同,这种方法不使用历史数据或预测。

我希望通过这些信息您可以更多地了解谷歌预测天气的人工智能及其特征。


发表您的评论

您的电子邮件地址将不会被发表。 必填字段标有 *

*

*

  1. 负责数据:MiguelÁngelGatón
  2. 数据用途:控制垃圾邮件,注释管理。
  3. 合法性:您的同意
  4. 数据通讯:除非有法律义务,否则不会将数据传达给第三方。
  5. 数据存储:Occentus Networks(EU)托管的数据库
  6. 权利:您可以随时限制,恢复和删除您的信息。