Ілюстративне фото / Unsplash
Компанія з розробки штучного інтелекту DeepMind, яка вже багато років належить Google, представила нову модель прогнозування погоди, яка перевершує традиційні системи у понад 90% випадків. Модель машинного навчання, що отримала назву GraphCast, обіцяє 10-денні прогнози, які є кращими, швидшими та енергоефективнішими.
Що відомо
Нинішня модель прогнозування називається "чисельним прогнозуванням погоди" (NWP). Вона вбудовує поточні погодні умови у величезні моделі, які прораховують майбутні зміни на основі принципів гідродинаміки, термодинаміки та інших атмосферних наук. Це складно, дорого і вимагає тонни обчислювальних потужностей.
Дивіться також Шахраї користуються популярністю ШІ, щоб змусити вас завантажити вірус під виглядом нового Bard
Замість того, щоб запускати симуляції того, як молекули будуть літати і вдарятися одна об одну, GraphCast відходить від традицій, роблячи більший акцент на історичних даних. Іншими словами, це модель машинного навчання, яка робить прогнози на основі того, що відбувалось у минулому. Це набагато простіше з точки зору рівня та кількості необхідних обчислень, хоча й потребує багато сучасних рішень у галузі комп'ютерних наук.
- GraphCast починає з поточного стану погоди на Землі та даних про погоду шість годин тому.
- Потім він робить прогноз про те, якою буде погода через шість годин.
- Після цього GraphCast завантажує ці прогнози назад у модель, виконує ті ж самі розрахунки і видає довгострокові прогнози.
Команда Google порівняла результати GraphCast з поточною моделлю, яка використовується для середньострокового прогнозування погоди, під назвою HRES.
GraphCast також мав дивовижний успіх у прогнозуванні екстремальних погодних явищ, включаючи тропічні циклони та різкі перепади температури, навіть якщо він не був спеціально навчений працювати з ними.
Середні ціни в мережі АЗС «Amic Energy» станом на
Автори дослідження кажуть, що їхня робота має працювати поряд зі стандартними системами, на які покладаються метеорологи. "Наш підхід не слід розглядати як заміну традиційним методам прогнозування погоди. Швидше, нашу роботу слід інтерпретувати як доказ того, що [прогнозування погоди за допомогою машинного навчання] здатне розв'язувати реальні проблеми прогнозування і має потенціал для доповнення та вдосконалення найкращих існуючих методів", – кажуть розробники.
Під питанням залишається те, як довго це зможе працювати, з огляду на те, як швидко змінюється земний клімат через глобальне потепління.
Повʼязані теми:
Якщо Ви виявили помилку на цій сторінці, виділіть її та натисніть Ctrl+Enter