Τα εργαλεία τεχνητής νοημοσύνης Speedy προβλέπουν τη βροχή και τον παγκόσμιο καιρό

Καθώς ο πλανήτης θερμαίνεται και οι ωκεανοί ανεβαίνουν, τα ακραία καιρικά φαινόμενα γίνονται ο κανόνας. Οι ολοένα και ισχυρότεροι τυφώνες προκαλούν ζημιές από τον άνεμο και πλημμύρες όταν πέσουν στην ξηρά. Και μόλις αυτή την εβδομάδα ο κόσμος ασχολήθηκε με τις τρεις πιο ζεστές μέρες που έχουν καταγραφεί ποτέ.

Έγκαιρη ειδοποίηση για την προετοιμασία για έναν καταστροφικό τυφώνα ή κύμα καύσωνα—όπως ο πρόσφατος καυτηριασμός στις νότιες και μεσοδυτικές ΗΠΑ, όπου

Οι ημερήσιες θερμοκρασίες ανέβηκαν στους 112 βαθμούς F

— θα μπορούσε να είναι η διαφορά μεταξύ ζωής και θανάτου. Το πρόβλημα είναι ότι η πρόβλεψη του καιρού, ακόμη και τα καθημερινά γεγονότα, μπορεί ακόμα να είναι ένα στοίχημα. Το AI μπορεί να βοηθήσει.

ΕΝΑ

ζεύγος

του

σπουδές

δημοσιεύθηκε την Τετάρτη το

Φύση

περιέγραψε τη χρησιμότητα δύο μοντέλων τεχνητής νοημοσύνης που θα μπορούσαν να βελτιώσουν την πρόγνωση του καιρού. Το πρώτο σύστημα που βασίζεται σε τεχνητή νοημοσύνη ονομάζεται Pangu-Weather και ήταν σε θέση να προβλέπει τον παγκόσμιο καιρό μια εβδομάδα νωρίτερα. Το δεύτερο, το NowcastNet, δημιουργεί ακριβείς προβλέψεις για βροχοπτώσεις έως και έξι ώρες μπροστά, κάτι που θα επέτρεπε στους μετεωρολόγους να μελετήσουν καλύτερα τα καιρικά μοτίβα σε πραγματικό χρόνο.

Το Pangu-Weather και άλλες μέθοδοι καταδεικνύουν τη δυνατότητα του AI για προειδοποιήσεις για ακραίες καιρικές συνθήκες,

ειδικά για τις λιγότερο ανεπτυγμένες χώρες

εξηγεί

Lingxi Xie

ανώτερος ερευνητής στο

Huawei


Cloud

στην Κίνα και συν-συγγραφέας μιας από τις μελέτες

.

”

Η πλειονότητα των χωρών χρησιμοποιούν αριθμητικά μοντέλα πρόβλεψης καιρού, τα οποία χρησιμοποιούν μαθηματικές εξισώσεις για να δημιουργήσουν προσομοιώσεις σε υπολογιστή της ατμόσφαιρας και των ωκεανών. Όταν κοιτάτε το AccuWeather ή την εφαρμογή καιρού στο τηλέφωνό σας, τα δεδομένα από αριθμητικές προβλέψεις καιρού χρησιμοποιούνται για την πρόβλεψη του μελλοντικού καιρού.

Ρας Σουμάχερ

, κλιματολόγος στο Κρατικό Πανεπιστήμιο του Κολοράντο, ο οποίος δεν συμμετείχε και στις δύο μελέτες, χαιρετίζει αυτά τα εργαλεία πρόβλεψης ως μια σημαντική επιστημονική ιστορία επιτυχίας, εδώ και δεκαετίες. «Έχουν επιτρέψει σημαντικές προόδους στις προβλέψεις και οι προβλέψεις συνεχίζουν να γίνονται πιο ακριβείς ως αποτέλεσμα περισσότερων δεδομένων, βελτιώσεων σε αυτά τα μοντέλα και πιο προηγμένων υπολογιστών».

Αλλά ο Xie σημειώνει ότι «το AI προσφέρει πλεονεκτήματα στην αριθμητική πρόβλεψη καιρού, καθώς είναι τάξεις μεγέθους ταχύτερα από τα συμβατικά μοντέλα που βασίζονται σε προσομοίωση». Τα αριθμητικά μοντέλα συχνά δεν έχουν την ικανότητα να προβλέψουν ακραίους καιρικούς κινδύνους, όπως ανεμοστρόβιλους ή χαλάζι. Επιπλέον, σε αντίθεση με τα συστήματα τεχνητής νοημοσύνης, χρειάζεται πολλή υπολογιστική ισχύς και ώρες για να παραχθεί μια ενιαία προσομοίωση.

[Related: Strong storms and strange weather patterns sweep the US]

Για να εκπαιδεύσουν το μοντέλο Pangu-Weather, ο Xie και οι συνεργάτες του τροφοδότησαν 39 χρόνια παγκόσμιων καιρικών δεδομένων στο σύστημα, προετοιμάζοντάς το για να προβλέψει τη θερμοκρασία, την πίεση και την ταχύτητα του ανέμου. Σε σύγκριση με την αριθμητική μέθοδο πρόβλεψης καιρού, το Pangu-Weather ήταν 10.000 φορές πιο γρήγορο και δεν ήταν λιγότερο ακριβές. Το Pangu-Weather περιέχει επίσης ένα τρισδιάστατο μοντέλο, σε αντίθεση με προηγούμενα συστήματα πρόβλεψης AI, που του επιτρέπει να καταγράφει ατμοσφαιρικές καταστάσεις σε διαφορετικά επίπεδα πίεσης για να αυξήσει περαιτέρω την ακρίβειά του.

Το Pangu-Weather μπορεί να προβλέψει τα μοτίβα του καιρού πέντε έως επτά ημέρες νωρίτερα. Ωστόσο, το μοντέλο τεχνητής νοημοσύνης δεν μπορεί να προβλέψει βροχόπτωση – κάτι που θα έπρεπε να κάνει για να προβλέψει ανεμοστρόβιλους και άλλα ακραία γεγονότα. Το δεύτερο

Φύση

Η μελέτη καλύπτει αυτό το κενό με το μοντέλο τους, το NowcastNet.

Το NowcastNet, σε αντίθεση με το Pangu-Weather, εστιάζει σε λεπτομερείς, ρεαλιστικές περιγραφές μοτίβων ακραίων βροχοπτώσεων σε τοπικές περιοχές. Το NowcastNet χρησιμοποιεί παρατηρήσεις ραντάρ από τις ΗΠΑ και την Κίνα, καθώς και μεθόδους βαθιάς εκμάθησης, για να προβλέψει τους ρυθμούς βροχοπτώσεων σε μια περιοχή 1,6 εκατομμυρίων τετραγωνικών μιλίων στις ανατολικές και κεντρικές ΗΠΑ έως και 3 ώρες νωρίτερα. Επιπλέον, 62 μετεωρολόγοι από την Κίνα δοκίμασαν το NowcastNet και το κατέταξαν πρώτο, μεταξύ τεσσάρων άλλων κορυφαίων μεθόδων πρόγνωσης καιρού, στην αξιόπιστη πρόβλεψη δυνατής βροχής, κάτι που έκανε το 71 τοις εκατό των φορών.

[Related: Vandals, angry artists, and mustachioed tinkerers: The story of

New York

City’s weather forecasting castle]

«Όλα αυτά τα παραγωγικά μοντέλα AI είναι πολλά υποσχόμενα», λέει

Έιμι ΜακΓκόβερν

, ο διευθυντής του National

Science

Foundation AI Institute for Research on Trustworthy AI in Weather, Climate και Παράκτια Ωκεανογραφία, ο οποίος δεν είχε σχέση με καμία από τις δύο μελέτες. Αλλά αυτά τα μοντέλα τεχνητής νοημοσύνης θα χρειαστούν κάποια βελτίωση προτού μπορέσουν να αντικαταστήσουν πλήρως τα τρέχοντα συστήματα πρόγνωσης καιρού.

Η πρώτη ανησυχία που εγείρει ο McGovern είναι η έλλειψη μαθηματικών εξισώσεων βασισμένων στη φυσική. Ο υπολογισμός της φυσικής της υγρασίας, του αέρα και της θερμότητας που διακινούνται μέσω της ατμόσφαιρας θα δημιουργούσε πιο ακριβείς προβλέψεις. «Αυτά τα έγγραφα εξακολουθούν να αποτελούν απόδειξη της ιδέας», λέει, «και δεν χρησιμοποιούν τους νόμους της φυσικής για να προβλέψουν ακραίες καιρικές συνθήκες». Μια δεύτερη ανησυχία και σημαντικό μειονέκτημα της τεχνολογίας AI γενικά, είναι

κωδικοποιημένη προκατάληψη

. Ένα AI είναι τόσο καλό όσο τα δεδομένα που τροφοδοτούνται. Εάν εκπαιδεύεται με δεδομένα χαμηλής ποιότητας ή με πληροφορίες που δεν είναι αντιπροσωπευτικές μιας συγκεκριμένης περιοχής, ο φορέας πρόβλεψης τεχνητής νοημοσύνης θα μπορούσε να είναι λιγότερο ακριβής σε μια περιοχή ενώ εξακολουθεί να είναι χρήσιμος σε μια άλλη.

Καθώς η τεχνητή νοημοσύνη συνεχίζει να επεκτείνεται σε διαφορετικές πτυχές της ζωής, από την τέχνη μέχρι την ιατρική, η μετεωρολογία δεν θα μείνει έξω. Ενώ τα τρέχοντα συστήματα τεχνητής νοημοσύνης απαιτούν περαιτέρω ανάπτυξη, η McGovern κάνει τη δική της πρόβλεψη για το μέλλον: «Δώστε του 5 έως 10 χρόνια, θα εκπλαγούμε με το τι μπορούν να κάνουν αυτά τα μοντέλα».