Google on myös käyttänyt tekoälyä parantaakseen monia käyttäjilleen tarjoamiaan palveluita ja teknologioita. Yksi sen viimeaikaisista edistysaskeleista on SIEMENET. Tämän uuden mallin ansiosta Google käyttää tekoälyä sään ennustamiseen. Toivottavasti tästä tulee tarkempia ja helpompia sääennusteita.
SEEDS on lyhenne sanoista Skaalautuva Ensemble Envelope Diffusion Sampler, generatiivinen tekoälymalli, joka pystyy luomaan tehokkaasti sääennusteiden ryhmiä mittakaavassa, paljon halvemmalla kuin perinteiset ennustemallit. Epäilemättä on u teknologiaa, joka avaa uusia näköaloja meteorologian ja klimatologian aloille.
Todennäköisyysennuste: uusi paradigma
Vaikka tieteellinen kehitys ilmaston ja ilmakehän ilmiöiden tutkimuksessa on edistynyt huimasti viime vuosikymmeninä, Sään ennustamisessa on edelleen suuri virhemarginaali. alueella ja tiettyyn aikaan. Ei turhaan kuulemme siitä monia humoristisia kommentteja: "Säämies on aina väärässä." Ne eivät ole oikeudenmukaisia tuomioita, mutta ne piilottavat osan totuudesta.
Nämä ennustavat virheet johtuvat korkeista kustannuksista (viittaamme laskentakustannuksiin) luomisen todennäköisyysennusteet. Tarvitaan suuria ja tehokkaita tietokoneita, joihin säävirastoilla ei ole varaa. Tästä syystä käytetään perinteisempiä havainnointi- ja ennustusmenetelmiä, joiden tarkkuus on kaukana täydellisyydestä.
Tekoälyn ansiosta todennäköisyysennusteiden luominen ei ole enää pelkkä unelma, vaan siitä tulee todellinen mahdollisuus. Vanha ihmisen unelma tietää, millainen sää on huomenna täysin luotettavasti, on mahdollista. A uusi paradigma joka muuttaa kaiken. Tai ainakin niin he sanovat Googlelta.
Kuinka SEEDS toimii
Katsotaanpa, kuinka SEEDS toimii, loistava työkalu, jolla Google väittää voivansa ennustaa sään tarkasti. korkea tarkkuus ja luotettavuus.
Uusi teknologia perustuu probabilistisiin kohinanpoistodiffuusiomalleihin (Google Researchin pioneerin luova generatiivinen tekoälymenetelmä). Nämä mallit luovat perustuvat ilmastoa koskevien todennäköisyyksien laskemiseen ja osoittamiseen, luomalla tarkempia ennusteita lyhyemmässä ajassa ja paljon pienemmillä laskentakustannuksilla.
Yksi SEEDSin kohokohdista on sen kyky luoda erittäin yksityiskohtaisia kuvia ja videoita. Tämä on erittäin hyödyllistä luotaessa ennusteita ja sovellettaessa niitä klassisiin sääkuvioihin. Toisin sanoen, Googlen sääennustustekniikka ei korvaa aiempia menetelmiä, vaan parantaa niitä. Hybridiennustejärjestelmä, jossa jotkin ilmastonäkökohdat lasketaan fysiikkapohjaisella mallilla ja toiset tekoälyn avulla, jolloin saadaan aikaan paljon tehokkaampi ennustemalli.
Koska SEEDS mallintaa suoraan ilmakehän tilan yhteistä jakautumista, taltioi realistisesti paljon toisiinsa vaikuttavia tietoja ja teknisiä suuruuksia (esimerkiksi merenpinnan keskipaine tai tuulten muodostuminen troposfäärissä). Maallikolle, kuten tämän artikkelin kirjoittajalle, tämä kaikki kuulostaa kiinalaiselta, mutta meteorologit osaavat arvostaa tämän tekniikan tarjoamia ominaisuuksia parhaalla mahdollisella tavalla.
Hatun siiven päivämäärä, tulokset ovat lupaavia. SEEDSin projisoimia malleja on verrattu todellisiin meteorologisiin tietoihin jälkikäteen tuottaa todella suuren sattuman. Vielä on paljon parantamisen varaa, mutta kaikki viittaa siihen, että tämän tekoälyyn perustuvan teknologian kehitys on oikealla tiellä.
Päätelmät
SEEDS ehdottaa vaihtoehtoista sääennustemallia, joka voisi mullistaa tämän kentän. Sen edustamia huomattavia säästöjä laskentaresursseissa voidaan käyttää kahteen suuntaan: lisää sääennusteiden tarkkuutta tai lisää näiden ennusteiden julkaisutiheyttä. Joka tapauksessa molemmat polut johtavat samaan kohteeseen: enemmän tarkkuutta ja luotettavuutta.
Tämä on myös erittäin hyvä esimerkki siitä, kuinka tekoäly voi nopeuttaa ilmastoon liittyvien tieteenalojen edistymistä ja kehitystä. Kuuma aihe, joka aiheuttaa tällä hetkellä suurta huolta. Jos nämä edistykset menestyvät, se olisi mahdollista lähitulevaisuudessa ennakoida tiettyjen meteorologisten katastrofien saapumista (myrskyt, hurrikaanit, tulvat...) ja jos ei välttää niitä, niin ainakin lievittää niiden seurauksia.
On myös sanottava, että se on kehitteillä olevaa tekniikkaa. Toistaiseksi SEEDS-malli ja muut kehitteillä olevat tekniikat sisällytetään muihin Google-projekteihin, kuten MetNet-3 ja GraphCast. Kunnes sen käyttö on täydellistä ja laajalle levinnyt, meidän on edelleen turvauduttava muihin työkaluihin, kuten sovelluksia sään ennustamiseen, jotka eivät myöskään toimi huonosti.