Το Google GraphCast χρησιμοποιεί τεχνητή νοημοσύνη και μηχανική εκμάθηση για την πρόβλεψη του καιρού



Η Google δημιούργησε έναν προγνωστικό καιρού με τεχνητή νοημοσύνη που θα μπορούσε να δώσει στους μετεωρολόγους περισσότερα εργαλεία για να εργαστούν. ο

νέο μοντέλο

, GraphCast, δημιουργήθηκε από την Google DeepMind. Σύμφωνα με

νέες μελέτες

στο

, δείχνει ήδη κάποιες βασικές δυνατότητες. Οι δημιουργοί πίσω από το μοντέλο ισχυρίζονται ότι είναι καλύτερο, πιο γρήγορο και πιο ενεργειακά αποδοτικό από τα εργαλεία που τροφοδοτούν τις εφαρμογές καιρού αυτή τη στιγμή.

Οι περισσότερες τρέχουσες εφαρμογές βασίζονται σε ένα μοντέλο για προγνώσεις που είναι γνωστό ως “αριθμητική πρόβλεψη καιρού” ή NWP. Το NWP ουσιαστικά λειτουργεί συνδέοντας τις τρέχουσες καιρικές συνθήκες και στη συνέχεια προσομοιώνοντας αλλαγές με βάση τις αρχές της θερμοδυναμικής, της δυναμικής των ρευστών και άλλων τύπων ατμοσφαιρικών επιστημών.

Αν και έχει αποδειχθεί τουλάχιστον κάπως ακριβές, το συγκεκριμένο μοντέλο είναι ακριβό και απαιτεί έναν τόνο περίπλοκης υπολογιστικής ισχύος. Με το σύστημα GraphCast της Google, ωστόσο, το μοντέλο αναλύει τα παραδοσιακά δεδομένα εξετάζοντας ιστορικά δεδομένα και στη συνέχεια χρησιμοποιώντας μηχανική μάθηση για να κάνει

με βάση το τι έχει συμβεί στο παρελθόν.

Το GraphCast θα μπορούσε να κάνει πιο εύκολη τη δημιουργία προγνώσεων καιρού. Πηγή εικόνας: Vector Tradition / Adobe

Υπάρχει ακόμα πολλή φανταχτερή

στον υπολογιστή και η

που εμπλέκονται, αλλά συνολικά, η διαδικασία είναι πολύ πιο απλή και απαιτεί λιγότερους υπολογισμούς για να ολοκληρωθεί. Όπως εξηγεί η μελέτη, το GraphCast εξετάζει πρώτα την τρέχουσα κατάσταση του καιρού της Γης και στη συνέχεια τη συγκρίνει με τον καιρό πριν από έξι ώρες. Στη συνέχεια, βασίζει τις προβλέψεις του στο πώς θα αλλάξει ο καιρός στο μέλλον.

Συνολικά μπορεί να συνεχίσει να δημιουργεί προβλέψεις κατά τη διάρκεια των ημερών. Σε σύγκριση με το τρέχον πρωτεύον μοντέλο που χρησιμοποιείται για προβλέψεις καιρού μεσαίου εύρους, ένα μοντέλο γνωστό ως HRES, το Google GraphCast μπόρεσε να ξεπεράσει «σημαντικά» το HRES στο 90 τοις εκατό των στόχων στους οποίους δοκιμάστηκε.

Επιπλέον, το GraphCast έδειξε επίσης μια τεράστια ικανότητα να προβλέπει ακραία καιρικά φαινόμενα, συμπεριλαμβανομένων απροσδόκητων μεταβολών θερμο

ας και τροπικών κυκλώνων. Ωστόσο, η Google λέει ότι δεν θέλει το GraphCast να αντικαταστήσει τα παραδοσιακά ή τυπικά συστήματα στα οποία εργάζονται οι μετεωρολόγοι. Αντίθετα, προορίζεται να λειτουργεί παράλληλα με αυτά τα συστήματα για να παρέχει καλύτερη πρόβλεψη καιρού στο σύνολό της.


VIA:

bgr.com


Leave A Reply



Cancel Reply

Your email address will not be published.