Google DeepMind AI, 매우 정확한 10일 일기예보 달성

Google DeepMind AI, 매우 정확한 10일 일기예보 달성

타임 스탬프 : 16 년 2023 월 3 일 오후 41시
Google DeepMind AI는 매우 정확한 10일 일기예보 PlatoBlockchain 데이터 인텔리전스를 구현합니다. 수직 검색. 일체 포함.

올해는 논스톱 퍼레이드 기상 이변의 발생. 전례 없는 열기가 지구를 휩쓸었습니다. 이번 여름 지구에서 가장 뜨거웠어요 캘리포니아의 돌발 홍수와 텍사스의 얼음 폭풍부터 마우이와 캐나다의 파괴적인 산불에 이르기까지 기상 관련 사건은 삶과 지역 사회에 깊은 영향을 미쳤습니다.

이러한 사건을 예측하는 데는 매 순간이 중요합니다. AI가 도움이 될 수 있습니다.

이번주 구글 딥마인드 AI를 출시했다 전례 없는 정확성과 속도로 10일간의 일기 예보를 제공합니다. GraphCast라고 불리는 이 모델은 주어진 위치에 대한 수백 개의 날씨 관련 데이터 포인트를 통해 90분 이내에 예측을 생성할 수 있습니다. 수천 개가 넘는 잠재적 기상 패턴에 도전할 때 AI는 약 XNUMX%의 시간 동안 최첨단 시스템을 이겼습니다.

그러나 GraphCast는 단지 옷장을 고르기 위한 보다 정확한 날씨 앱을 구축하는 것만이 아닙니다.

극단적인 날씨 패턴을 감지하도록 명시적으로 훈련되지는 않았지만 AI는 이러한 패턴과 관련된 여러 대기 이벤트를 포착했습니다. 이전 방법에 비해 사이클론 궤적을 더 정확하게 추적하고 대기 강(홍수와 관련된 대기의 힘줄 영역)을 감지했습니다.

GraphCast는 또한 현재 방법보다 훨씬 앞서 극한 온도의 시작을 예측했습니다. 와 함께 2024년은 더욱 따뜻해질 전망 그리고 극단적인 기상 현상이 증가함에 따라 AI의 예측은 지역사회에 대비하고 잠재적으로 생명을 구할 수 있는 귀중한 시간을 제공할 수 있습니다.

"GraphCast는 이제 세계에서 가장 정확한 10일 글로벌 일기 예보 시스템이며, 이전에 가능했던 것보다 더 먼 미래의 기상 이변을 예측할 수 있습니다."라고 저자는 말했습니다. 쓴 DeepMind 블로그 게시물에서.

비오는 날

일주일만 앞둔 날씨 패턴을 예측하는 것은 오래되었지만 매우 어려운 문제입니다. 우리는 이러한 예측을 바탕으로 많은 결정을 내립니다. 일부는 우리 일상생활에 깊숙이 박혀 있습니다. 오늘은 우산을 챙겨야 할까요? 대피 명령이나 대피 명령을 언제 내릴지와 같은 다른 결정은 생사를 결정하는 것입니다.

우리의 현재 예측 소프트웨어는 주로 지구 대기의 물리적 모델을 기반으로 합니다. 과학자들은 기상 시스템의 물리학을 조사함으로써 수십 년간의 데이터로부터 수많은 방정식을 작성한 다음 이를 슈퍼컴퓨터에 입력하여 예측을 생성했습니다.

대표적인 예가 유럽 중거리 기상 예보 센터의 통합 예측 시스템입니다. 이 시스템은 현재 날씨 패턴에 대한 이해를 바탕으로 정교한 계산을 사용하여 XNUMX시간마다 예측을 내놓고 가장 정확한 일기 예보를 전 세계에 제공합니다.

DeepMind 팀은 이 시스템과 "더 일반적으로 현대 일기 예보는 과학과 공학의 승리"라고 썼습니다.

수년에 걸쳐 물리학 기반 방법은 부분적으로 더 강력한 컴퓨터 덕분에 정확성이 급속히 향상되었습니다. 그러나 여전히 시간이 많이 걸리고 비용이 많이 듭니다.

이는 놀라운 일이 아닙니다. 날씨는 지구상에서 가장 복잡한 물리적 시스템 중 하나입니다. 나비 효과에 대해 들어보셨을 것입니다. 나비가 날개를 펄럭이는 것과 대기의 이 작은 변화가 토네이도의 궤적을 바꾸는 것입니다. 비유일 뿐이지만 날씨 예측의 복잡성을 포착합니다.

GraphCast는 다른 접근 방식을 취했습니다. 물리학은 잊어버리고 과거 날씨 데이터에서만 패턴을 찾아봅시다.

AI 기상학자

GraphCast는 다음 유형을 기반으로 구축됩니다. 신경망 이는 이전에 유체 역학과 같은 다른 물리 기반 시스템을 예측하는 데 사용되었습니다.

세 부분으로 구성되어 있습니다. 먼저 인코더는 특정 위치의 온도 및 고도와 같은 관련 정보를 복잡한 그래프에 매핑합니다. 기계가 쉽게 이해할 수 있는 추상적인 인포그래픽이라고 생각해보세요.

두 번째 부분은 정보를 분석하여 최종 부분인 디코더에 전달하는 방법을 학습하는 프로세서입니다. 그런 다음 디코더는 결과를 실제 날씨 예측 지도로 변환합니다. 전체적으로 GraphCast는 향후 XNUMX시간 동안의 날씨 패턴을 예측할 수 있습니다.

하지만 10시간은 XNUMX일이 아닙니다. 여기 키커가 있습니다. AI는 자체 예측을 통해 학습할 수 있습니다. GraphCast의 예측은 입력으로 자체적으로 피드백되어 시간이 지남에 따라 날씨를 점진적으로 예측할 수 있습니다. 이는 전통적인 기상 예측 시스템에도 사용되는 방법이라고 팀은 썼습니다.

GraphCast는 거의 17년 동안의 과거 날씨 데이터에 대해 교육을 받았습니다. 분할 정복 전략을 사용하여 팀은 지구를 적도에서 대략 17 x XNUMX마일 크기의 작은 조각으로 나눴습니다. 이로 인해 전 세계를 덮는 백만 개가 넘는 "포인트"가 생겼습니다.

각 지점에 대해 AI는 두 번(현재 한 번, 다른 한 번은 XNUMX시간 전) 수집된 데이터로 훈련되었으며 온도, 습도, 다양한 고도에서의 풍속 및 방향과 같은 지구 표면과 대기의 수십 가지 변수가 포함되었습니다.

훈련은 계산 집약적이어서 완료하는 데 한 달이 걸렸습니다.

그러나 일단 훈련되면 AI 자체는 매우 효율적입니다. 단일 TPU로 10분 이내에 XNUMX일 예측을 생성할 수 있습니다. 슈퍼컴퓨터를 사용하는 기존 방법은 계산하는 데 몇 시간이 걸린다고 팀은 설명했습니다.

광선

그 능력을 테스트하기 위해 팀은 날씨 예측에 대한 현재의 최적 표준과 비교하여 GraphCast를 비교했습니다.

AI는 거의 90% 더 정확했습니다. 특히 지구에 가장 가깝고 일기 예보에 중요한 대기층인 대류권의 데이터에만 의존하여 경쟁사보다 99.7% 더 뛰어난 성능을 발휘했습니다. GraphCast도 성능이 뛰어남 판구 날씨, 머신러닝을 사용하는 최고의 경쟁 날씨 모델입니다.

다음으로 팀은 열대 저기압 추적, 대기 하천 감지, 극심한 더위와 추위 예측 등 여러 가지 위험한 기상 시나리오에서 GraphCast를 테스트했습니다. 특정 "경고 신호"에 대해 훈련받지는 않았지만 AI는 기존 모델보다 더 일찍 경보를 울렸습니다.

이 모델은 또한 고전적인 기상학의 도움을 받았습니다. 예를 들어 팀은 GraphCast의 예측에 기존 사이클론 추적 소프트웨어를 추가했습니다. 그 조합은 성과를 거두었습니다. 지난 XNUMX월 AI는 허리케인 리(Hurricane Lee)가 노바스코샤(Nova Scotia)를 향해 동부 해안을 휩쓸면서 궤적을 성공적으로 예측했습니다. 시스템은 폭풍의 상륙을 XNUMX일 전에 정확하게 예측했습니다. 이는 기존 예측 방법보다 귀중한 XNUMX일 빠른 속도입니다.

GraphCast는 전통적인 물리 기반 모델을 대체하지 않습니다. 오히려 DeepMind는 이를 강화할 수 있기를 바라고 있습니다. 중거리 일기예보를 위한 유럽 센터 이미 모델을 실험하고 있습니다. 그것이 그들의 예측에 어떻게 통합될 수 있는지 알아보기 위해. DeepMind는 또한 날씨의 예측이 점점 더 어려워지고 있는 상황에서 매우 중요한 요구 사항인 불확실성을 처리하는 AI의 능력을 향상시키기 위해 노력하고 있습니다.

GraphCast가 유일한 AI 기상 예보관은 아닙니다. DeepMind와 Google 연구원은 이전에 두 가지를 구축했습니다. 지역적인 모델 90분 전이나 24시간 전의 단기 날씨를 정확하게 예측할 수 있습니다. 그러나 GraphCast는 더 먼 미래를 내다볼 수 있습니다. 표준 기상 소프트웨어와 함께 사용하면 기상 비상 상황에 대한 결정에 영향을 미치거나 기후 정책을 안내할 수 있습니다. 적어도 우리는 그 우산을 직장에 가져오기로 한 결정에 대해 더 자신감을 가질 수 있습니다.

“우리는 이것이 일기 예보의 전환점이 될 것이라고 믿습니다.”라고 저자는 썼습니다.

이미지 신용 : Google DeepMind

타임 스탬프 :

더보기 특이점 허브