Τα συστήματα AI θα μπορούσαν να μας βοηθήσουν να επιταχύνουμε την πρόγνωση ακραίων καιρικών συνθηκών

Καθώς η κλιματική αλλαγή κάνει τα ακραία καιρικά φαινόμενα πιο πιθανά και πιο απρόβλεπτα, οι μετεωρολόγοι και οι κυβερνητικές υπηρεσίες χρειάζονται νέα εργαλεία για να συμβαδίσουν. Δύο μελέτες που δημοσιεύθηκαν αυτή την εβδομάδα στο επιστημονικό περιοδικό

Nature

υποδηλώνουν ότι η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για την υποστήριξη ακριβών και ταχύτερων προβλέψεων και προειδοποιήσεων για ακραία καιρικά φαινόμενα.

Μια μελέτη


περιγράφει πώς το μοντέλο AI της

Huawei

, Pangu-Weather, έχει χρησιμοποιηθεί για την πρόβλεψη εβδομαδιαίων καιρικών φαινομένων σε όλο τον κόσμο. Η νέα τεχνολογία είναι σε θέση να το κάνει πιο γρήγορα από τις παραδοσιακές μεθόδους πρόβλεψης καιρού

αλλά με ελαφρώς μικρότερη ακρίβεια. Το δίκτυο εκπαιδεύτηκε σε 39 χρόνια παγκόσμιων δεδομένων από το 1979 έως το 2017, συνδυάζοντας ιστορικές πληροφορίες καιρού με σύγχρονα μοντέλα πρόγνωσης καιρού. Οι ερευνητές μελέτησαν επίσης 69 παράγοντες, συμπεριλαμβανομένων των μεταβλητών της επιφάνειας και των μεταβλητών του ανώτερου ατμοσφαιρικού καιρού, εξήγησε η μελέτη.

Το Pangu-Weather οδήγησε σε πολλά υποσχόμενα αποτελέσματα

μερικά σενάρια στην πρόγνωση του καιρού. Προέβλεψε την πρώιμη διαδρομή ενός τροπικού κυκλώνα στον Ειρηνικό με μεγαλύτερη ακρίβεια από άλλα μοντέλα πρόβλεψης, διαπίστωσε η μελέτη

. Το μοντέλο μηχανικής μάθησης ήταν

πιο ακριβής

κατά την ανάλυση κυκλώνων από άλλα τρέχοντα μοντέλα πρόγνωσης καιρού.

Επί του παρόντος,

πρόγνωση καιρού

αξιοποιεί

ο


αριθμητική πρόβλεψη καιρού


(NWP) μέθοδος. Μοντέλα υπολογιστών NWP


πρόβλεψη


μελλοντικός καιρός με ανάλυση

σύγχρονος

καιρικά μοτίβα

. “[It] αναπαριστά τις ατμοσφαιρικές καταστάσεις ως διακριτικά πλέγματα και λύνει αριθμητικά μερικές διαφορικές εξισώσεις που περιγράφουν τη μετάβαση μεταξύ αυτών των καταστάσεων. Ωστόσο, αυτή η διαδικασία είναι υπολογιστικά ακριβή

έγραψαν οι συγγραφείς της μελέτης.

Πολλά από τα τρέχοντα

μοντέλα και μέθοδοι αναλύουν διαφορετικές καιρικές συνθήκες

συνθήκες όπως ο άνεμος, η πίεση και η υγρασία μία προς μία, MIT

Technology


Review



έχουν αναφερθεί


. Αυτό κάνει τις προβλέψεις να παίρνουν

περισσότερο χρόνο για επεξεργασία

. Οι ερευνητές του Pangu-Weather οραματίζονται να χρησιμοποιήσουν το νέο

τεχν

παράλληλα με τα τρέχοντα μοντέλα πρόβλεψης για να διασφαλιστεί ότι οι προβλέψεις είναι ακριβείς. «Ο απώτερος στόχος μας είναι να δημιουργήσουμε πλαίσιο πρόγνωσης καιρού επόμενης γενιάς χρησιμοποιώντας τεχνολογίες τεχνητής νοημοσύνης για να ενισχύσουμε τα υπάρχοντα συστήματα πρόβλεψης», δήλωσε ο Tian Qi, επικεφαλής επιστήμονας AI στην HUAWEI.


δήλωση


.

Η δεύτερη μελέτη


δημοσίευσε


στο Nature αυτή την εβδομάδα περιέγραψε πώς ένα μοντέλο βαθιάς μάθησης προέβλεψε ακραίες βροχοπτώσεις με μεγαλύτερη ακρίβεια και ταχύτητα από άλλες κορυφαίες μεθόδους πρόβλεψης. Η πρόβλεψη του μοντέλου πρόβλεψης, NowcastNet, μπήκε στην πρώτη θέση περίπου στο 71% του χρόνου όταν δοκιμάστηκε σε παρόμοια συστήματα πρόβλεψης, εξήγησε η μελέτη.

Οι συγγραφείς της μελέτης τόνισαν ότι το Nowcasting μπορεί να χρησιμοποιηθεί ως εργαλείο πρόληψης κινδύνου και για διαχείριση κρίσεων, ειδικά καθώς η έρευνα δείχνει ότι

Η κλιματική αλλαγή έχει αυξήσει τις έντονες βροχοπτώσεις

. Η Εθνική Υπηρεσία Ωκεανών και Ατμόσφαιρας έχει


εκτιμάται


ότι οι φυσικές καταστροφές του 2022 κόστισαν στις Ηνωμένες Πολιτείες περισσότερα από 160 δισεκατομμύρια δολάρια. Ο σχεδιασμός και η πρόβλεψη αυτών των γεγονότων θα μπορούσε ενδεχομένως να σώσει ζωές και να επιτρέψει στις υπηρεσίες να διαθέσουν χρηματοδότηση για την ετοιμότητα έκτακτης ανάγκης.

είπαν οι ερευνητές

ότι η ακρίβεια του εργαλείου θα μπορούσε να υποστηρίξει αυτές τις προσπάθειες. Κατά τη διάρκεια των δοκιμών, το NowcastNet προέβλεψε βροχοπτώσεις έως και τρεις ώρες νωρίτερα, καθιστώντας το ένα ιδιαίτερα σημαντικό εργαλείο για την πρόβλεψη ακραίων καιρικών συνθηκών. Άλλα ευρέως χρησιμοποιούμενα μοντέλα, όπως


Το DGMR του DeepMind


μπορεί να προβλέψει την πιθανότητα έντονης βροχόπτωσης 90 λεπτά νωρίτερα.

«Οι προβλέψεις που γίνονται από το NowcastNet κρίνονται από ειδικούς μετεωρολόγους ως πιο ακριβείς και διδακτικές από το pySTEPS, το DGMR ή άλλα συστήματα βαθιάς μάθησης».

έγραψαν οι συγγραφείς της μελέτης.

Αυτήν τη στιγμή βρισκόμαστε στα αρχικά στάδια ανάπτυξης και ανάπτυξης μηχανικής εκμάθησης για την ακριβή πρόβλεψη των επερχόμενων ακραίων καιρικών φαινομένων. Αλλά είναι δύσκολο να προβλέψουμε πώς η συνεχής ανάπτυξη αυτών των εργαλείων AI θα επηρεάσει τις προβλέψεις. Τα τρέχοντα μοντέλα πρόβλεψης καιρού έχουν


αμφισβητήθηκε


λόγω της κλιματικής αλλαγής και δεν υπάρχει λόγος να πούμε ότι τα μοντέλα τεχνητής νοημοσύνης δεν θα δυσκολευτούν

παγκόσμιες καιρικές αλλαγές επίσης

.

Θέλετε περισσότερες ιστορίες για το κλίμα και το περιβάλλον; Δείτε τους οδηγούς του Earther για



απανθρακώνοντας το σπίτι σας



,



αποεπένδυση από ορυκτά καύσιμα



,



ετοιμάζοντας μια τσάντα καταστροφής



και



υπερνίκηση του κλιματικού τρόμου



. Και μην χάσετε την κάλυψή μας για το



τελευταία έκθεση για το κλίμα της IPCC



το μέλλον του



απομάκρυνση διοξειδίου του άνθρακα



και το



χωροκατακτητικά φυτά που πρέπει να σχίσετε σε κομμάτια



.