Nový Umělá inteligence (Ai)-Systém predikce počasí by mohl transformovat předpovědi, předpovídají vědci
Systém, nazvaný Aardvark Weather, generuje předpovědi desítky časů rychleji než tradiční prognózní systémy využívající zlomek výpočetní síly, informovali vědci ve čtvrtek 20. března v časopise Příroda.
„Systémy předpovědí počasí, na které se všichni spoléháme, byly vyvinuty v průběhu desetiletí, ale za pouhých 18 měsíců jsme byli schopni postavit něco, co je konkurenceschopné s těmito nejlepšími z těchto systémů, pomocí desetiny dat na stolním počítači,“ Richard Turnerinženýr na University of Cambridge ve Velké Británii, řekl v a prohlášení.
Aktuální předpovědi počasí jsou generovány zadáváním dat do komplexních fyzických modelů, což je vícestupňový proces, který vyžaduje několik hodin na vyhrazeném Superpočítač.
Aardvark Weather obchází tento náročný proces: Model strojového učení používá surová data ze satelitů, povětrnostních stanic, lodí a povětrnostních balónů k provedení svých předpovědí, aniž by se spoléhal na atmosférické modely. Satelitní data jsou zvláště důležitá pro předpovědi modelu, poznamenal tým.
Související: Google vytváří model AI, který může předvídat budoucí katastrofy počasí
Tento nový přístup by mohl nabídnout hlavní výhody, pokud jde o náklady, rychlost a přesnost předpovědí počasí, tvrdili vědci. Místo toho, aby vyžadoval superpočítač a specializovaný tým, může Aardvark Weather vygenerovat prognózu na stolním počítači za pár minut.
Výměna potrubí předpovědí počasí AI
Tým porovnal výkon Aardvarku se stávajícími systémy prognózy, které vytvářejí globální předpovědi. Aardvark s použitím pouhých 8% observačních údajů, které tradiční předpovědní systémy potřebují Globální předpovědní systém (GFS) systém a byl srovnatelný s prognózami posilovače Spojených států.
Prostorové rozlišení společnosti Aardvark je však poněkud nižší než u současných předpovědních systémů, což by mohlo způsobit, že jeho počáteční předpovědi budou méně relevantní pro hyper-lokální předpovídání počasí. Aardvark počasí pracuje s rozlišením 1,5 stupně, což znamená, že každá krabice ve své mřížce pokrývá 1,5 stupně zeměpisné šířky a 1,5 stupně délky. Pro srovnání, GFS používá mřížku 0,25 stupňů.
Vědci však také uvedli, že vzhledem k tomu, že AI se poučí z údajů, které je krmena, mohla být přizpůsobena předpovídání počasí v konkrétních arénách – jako jsou teploty pro africké zemědělství nebo rychlost větru pro obnovitelné zdroje energie v Evropě. Aardvark může začlenit regionální údaje s vyšším rozlišením, kde existují, k upřesnění místních prognóz.
„Tyto výsledky jsou jen začátkem toho, čeho může Aardvark dosáhnout,“ studoval spoluautor Anna Allenz University of Cambridge, uvedl v prohlášení. „Tento přístup k učení end-to-end lze snadno aplikovat na další problémy s předpovědí počasí, například na hurikány, požáry a tornáda. Kromě počasí se jeho aplikace vztahují na širší prognózu systému zemského systému, včetně kvality vzduchu, dynamiky oceánu a předpovědi mořského ledu.“
Aardvark by také mohl podporovat předpovědní centra v oblastech světa, která postrádají zdroje na zdokonalení globálních prognóz do regionálních předpovědí s vysokým rozlišením, uvedli vědci.
„Aardvarkův průlom není jen o rychlosti, ale o přístup,“ Scott HoskingVe svém prohlášení uvedl výzkumník AI ve Velké Británii ve Velké Británii. „Posunením předpovědi počasí z superpočítačů na stolní počítače můžeme demokratizovat prognózu a zpřístupnit tyto výkonné technologie pro rozvoj národů a datových šetrných regionů po celém světě.“
