Google DeepMind AI, Süper Doğru 10 Günlük Hava Durumu Tahminlerini Çiviliyor

Google DeepMind AI, Süper Doğru 10 Günlük Hava Durumu Tahminlerini Çiviliyor

Zaman Damgası: 16 Kasım 2023 3:41
Google DeepMind AI, Süper Doğru 10 Günlük Hava Durumu Tahminlerini Çiviliyor PlatoBlockchain Veri Zekası. Dikey Arama. Ai.

Bu yıl aralıksız bir geçit töreni aşırı hava olaylarından. Eşi benzeri görülmemiş bir sıcaklık dünyayı kasıp kavurdu. Bu yaz dünyanın en sıcak olanıydı Kaliforniya'daki ani sellerden Teksas'taki buz fırtınalarına, Maui ve Kanada'daki yıkıcı orman yangınlarına kadar, havayla ilgili olaylar yaşamları ve toplulukları derinden etkiledi.

Bu olayları tahmin etmek söz konusu olduğunda her saniye önemlidir. Yapay zeka yardımcı olabilir.

Bu hafta, Google DeepMind bir yapay zeka yayınladı benzeri görülmemiş bir doğruluk ve hızla 10 günlük hava durumu tahminleri sunar. GraphCast adı verilen model, belirli bir konum için hava durumuyla ilgili yüzlerce veri noktasını tarayıp bir dakikadan kısa sürede tahminler üretebiliyor. Binden fazla potansiyel hava durumu modeliyle karşı karşıya kaldığında yapay zeka, en son teknolojiye sahip sistemleri kabaca yüzde 90 oranında yendi.

Ancak GraphCast yalnızca gardırop seçmek için daha doğru hava durumu uygulaması oluşturmaktan ibaret değil.

Aşırı hava koşullarını tespit etmek için açık bir şekilde eğitilmemiş olsa da yapay zeka, bu modellerle bağlantılı birçok atmosferik olayı tespit etti. Önceki yöntemlerle karşılaştırıldığında, kasırga yörüngelerini daha doğru bir şekilde takip etti ve atmosferik nehirleri (atmosferde su baskını ile ilişkili güçlü bölgeler) tespit etti.

GraphCast ayrıca aşırı sıcaklıkların başlangıcını mevcut yöntemlerden çok önce tahmin etti. İle 2024 daha da sıcak olacak ve aşırı hava olaylarının arttığı göz önüne alındığında, yapay zekanın tahminleri topluluklara hazırlanmak ve potansiyel olarak hayat kurtarmak için değerli zaman kazandırabilir.

Yazarlar, "GraphCast artık dünyadaki en doğru 10 günlük küresel hava durumu tahmin sistemidir ve gelecekte olabilecek aşırı hava olaylarını önceden mümkün olandan daha fazla tahmin edebilir" dedi. yazdı DeepMind blog yazısında.

Yağmurlu günler

Sadece bir hafta öncesinden bile olsa hava durumunu tahmin etmek eski ama son derece zorlu bir sorundur. Birçok kararımızı bu tahminlere dayandırıyoruz. Bazıları günlük hayatımızın içine yerleşmiş durumda: Bugün şemsiyemi almalı mıyım? Diğer kararlar, tahliye veya yerinde barınma emrinin ne zaman verileceği gibi ölüm kalım meselesidir.

Mevcut tahmin yazılımımız büyük ölçüde Dünya atmosferinin fiziksel modellerine dayanmaktadır. Bilim insanları, hava durumu sistemlerinin fiziğini inceleyerek, onlarca yıllık verilerden elde edilen bir dizi denklem yazdılar ve bunlar daha sonra tahminler oluşturmak için süper bilgisayarlara aktarıldı.

Öne çıkan bir örnek, Avrupa Orta Vadeli Hava Tahminleri Merkezi'ndeki Entegre Tahmin Sistemidir. Sistem, her altı saatte bir tahminler yayınlamak için mevcut hava durumu anlayışımızı temel alan karmaşık hesaplamalar kullanıyor ve dünyaya mevcut en doğru hava tahminlerinden bazılarını sağlıyor.

DeepMind ekibi, "Bu sistem ve daha genel olarak modern hava durumu tahminleri, bilim ve mühendisliğin zaferleridir" diye yazdı.

Yıllar geçtikçe, fizik tabanlı yöntemlerin doğruluğu, kısmen daha güçlü bilgisayarlar sayesinde hızla gelişti. Ancak bunlar zaman alıcı ve maliyetli olmaya devam ediyor.

Bu şaşırtıcı değil. Hava, dünyadaki en karmaşık fiziksel sistemlerden biridir. Kelebek etkisini duymuş olabilirsiniz: Bir kelebek kanatlarını çırpar ve atmosferdeki bu küçük değişiklik kasırganın yörüngesini değiştirir. Sadece bir metafor olsa da, hava tahmininin karmaşıklığını yansıtıyor.

GraphCast farklı bir yaklaşım benimsedi. Fiziği unutun, yalnızca geçmiş hava durumu verilerindeki kalıpları bulalım.

Yapay Zeka Meteorologu

GraphCast bir tür temele dayanır sinir ağı Bu daha önce akışkanlar dinamiği gibi diğer fizik tabanlı sistemleri tahmin etmek için kullanılmıştı.

Üç bölümü vardır. İlk olarak, kodlayıcı ilgili bilgileri (örneğin, belirli bir konumdaki sıcaklık ve rakım) karmaşık bir grafik üzerinde eşler. Bunu makinelerin kolayca anlayabileceği soyut bir infografik olarak düşünün.

İkinci kısım, bilgileri analiz etmeyi ve son kısım olan kod çözücüye iletmeyi öğrenen işlemcidir. Kod çözücü daha sonra sonuçları gerçek dünyadaki hava durumu tahmin haritasına çevirir. GraphCast toplamda önümüzdeki altı saat için hava durumunu tahmin edebiliyor.

Ama altı saat 10 gün değil. İşte vurucu. Yapay zeka kendi tahminlerinden öğrenebilir. GraphCast'ın tahminleri girdi olarak kendisine geri beslenir ve bu da onun zaman içinde daha ilerideki hava durumunu kademeli olarak tahmin etmesine olanak tanır. Ekip, bunun geleneksel hava durumu tahmin sistemlerinde de kullanılan bir yöntem olduğunu yazdı.

GraphCast, yaklaşık kırk yıllık geçmiş hava durumu verileriyle eğitildi. Böl ve yönet stratejisini benimseyen ekip, gezegeni ekvatorda yaklaşık 17 x 17 mil uzunluğunda küçük parçalara ayırdı. Bu, dünyayı kapsayan bir milyondan fazla “nokta” ile sonuçlandı.

Her nokta için yapay zeka, biri akıntı, diğeri altı saat önce olmak üzere iki kez toplanan verilerle eğitildi ve sıcaklık, nem, birçok farklı rakımdaki rüzgar hızı ve yönü gibi Dünya yüzeyinden ve atmosferinden düzinelerce değişkeni içeriyordu.

Eğitim hesaplama açısından yoğundu ve tamamlanması bir ay sürdü.

Ancak bir kez eğitildikten sonra yapay zekanın kendisi oldukça verimlidir. Tek bir TPU ile 10 günlük tahminleri bir dakikadan kısa sürede üretebiliyor. Ekip, süper bilgisayarları kullanan geleneksel yöntemlerin saatlerce hesaplama gerektirdiğini açıkladı.

Işık Ray

Ekip, yeteneklerini test etmek için GraphCast'i hava tahmini için mevcut altın standartla karşılaştırdı.

Yapay zeka neredeyse yüzde 90 oranında daha doğruydu. Özellikle yalnızca troposferden (Dünya'ya en yakın ve hava tahminleri için kritik olan atmosfer katmanı) gelen verilere dayanarak rekabeti yüzde 99.7 oranında geride bırakarak mükemmel bir performans gösterdi. GraphCast da daha iyi performans gösterdi Pangu-Hava Durumu, makine öğrenimini kullanan en iyi rakip hava durumu modeli.

Ekip daha sonra GraphCast'i çeşitli tehlikeli hava senaryolarında test etti: tropik kasırgaları takip etmek, atmosferik nehirleri tespit etmek ve aşırı sıcak ve soğuğu tahmin etmek. Belirli “uyarı işaretleri” konusunda eğitim almamış olsa da yapay zeka, alarmı geleneksel modellere göre daha erken devreye soktu.

Model ayrıca klasik meteorolojiden de yardım aldı. Örneğin ekip, GraphCast'in tahminlerine mevcut siklon izleme yazılımını ekledi. Kombinasyon işe yaradı. Eylül ayında yapay zeka, Doğu Kıyısı'ndan Nova Scotia'ya doğru ilerleyen Lee Kasırgası'nın yörüngesini başarıyla tahmin etti. Sistem, fırtınanın karaya inişini dokuz gün önceden doğru bir şekilde tahmin etti; bu, geleneksel tahmin yöntemlerinden üç değerli gün daha hızlıydı.

GraphCast geleneksel fizik tabanlı modellerin yerini almayacak. Bunun yerine DeepMind bunun onları güçlendirebileceğini umuyor. Avrupa Orta Vadeli Hava Tahminleri Merkezi modeli zaten deniyor tahminlerine nasıl entegre edilebileceğini görmek için. DeepMind aynı zamanda yapay zekanın belirsizlikle başa çıkma yeteneğini geliştirmek için de çalışıyor; bu, hava koşullarının giderek öngörülemez hale gelmesi göz önüne alındığında kritik bir ihtiyaçtır.

GraphCast tek yapay zeka hava durumu sunucusu değil. DeepMind ve Google araştırmacıları daha önce iki tane oluşturmuştu bölgesel modelleri Bu, kısa vadeli hava durumunu 90 dakika veya 24 saat önceden doğru bir şekilde tahmin edebiliyor. Ancak GraphCast daha ileriye bakabilir. Standart hava durumu yazılımıyla birlikte kullanıldığında bu kombinasyon, acil hava durumu kararlarını etkileyebilir veya iklim politikalarına rehberlik edebilir. En azından şemsiyeyi işe alma kararı konusunda kendimizi daha güvende hissedebiliriz.

Yazarlar, "Bunun hava tahminlerinde bir dönüm noktası olduğuna inanıyoruz" diye yazdı.

Resim Kredi: Google DeepMind

Zaman Damgası:

Den fazla Tekillik Merkezi