Οι προβλέψεις τεχνητής νοημοσύνης του Google DeepMind ξεπερνούν τις επιδόσεις του μοντέλου «χρυσού προτύπου».

Κανείς δεν μπορεί να προβλέψει πλήρως πού οδηγεί τους πάντες η βιομηχανία τεχνητής νοημοσύνης, αλλά τουλάχιστον η τεχνητή νοημοσύνη είναι έτοιμη να σας πει αξιόπιστα πώς θα είναι ο καιρός όταν φτάσετε εκεί. (Σχε

τι

κά.) Σύμφωνα με έγγραφο που δημοσιεύτηκε στις 14 Νοεμβρίου στο


Επιστήμη


ονομάζεται ένα νέο πρόγραμμα πρόβλεψης κλίματος 10 ημερών με τεχνητή νοημοσύνη

GraphCast

ήδη ξεπερνά τα υπάρχοντα εργαλεία πρόβλεψης σχεδόν κάθε φορά. Η τεχνολογία ανοιχτού κώδικα δείχνει ακόμη και υπόσχεση για τον εντοπισμό και τη χαρτογράφηση δυνητικά επικίνδυνων καιρικών φαινομένων—όλα αυτά χρησιμοποιώντας ένα κλάσμα της υπολογιστικής ισχύος του συστήματος «χρυσού προτύπου».

«Η πρόβλεψη καιρού είναι ένα από τα παλαιότερα και πιο απαιτητικά επιστημονικά εγχειρήματα», δήλωσε το μέλος της ομάδας GraphCast, Remi Lam.

σε δήλωση

την Τρίτη. «Οι προβλέψεις μεσαίου εύρους είναι σημαντικές για την υποστήριξη της λήψης βασικών αποφάσεων σε όλους τους τομείς, από τις ανανεώσιμες πηγές

ενέργεια

ς έως την επιμελητεία εκδηλώσεων, αλλά είναι δύσκολο να γίνουν με ακρίβεια και αποτελεσματικότητα».

[Related:


Listen to ‘Now and Then’ by The

Beatles

, a ‘new’ song recorded using AI


.]

Αναπτύχθηκε από τον Lam και τους συνεργάτες του στο

Google DeepMind

, το τμήμα έρευνας τεχνητής νοημοσύνης της εταιρείας τεχνολογίας, το GraphCast εκπαιδεύεται σε δεκαετίες ιστορικών πληροφοριών για τον καιρό μαζί με περίπου 40 χρόνια δορυφορικών, μετεωρολογικών σταθμών και αναλύσεων ραντάρ. Αυτό έρχεται σε έντονη αντίθεση με αυτά που είναι γνωστά ως μοντέλα αριθμητικής πρόβλεψης καιρού (NWP), τα οποία παραδοσιακά χρησιμοποιούν τεράστιες ποσότητες δεδομένων σχετικά με τη θερμοδυναμική, τη δυναμική των ρευστών και άλλες ατμοσφαιρικές επιστήμες. Όλα αυτά τα δεδομένα απαιτούν έντονη υπολογιστική ισχύ, η οποία από μόνη της απαιτεί έντονη, δαπανηρή ενέργεια για να συμπυκνωθούν όλοι αυτοί οι αριθμοί. Εκτός από όλα αυτά, τα NWP είναι αργά—χρειάζονται ώρες για εκατοντάδες μηχανές σε έναν υπερυπολογιστή για να παράγουν τις 10ήμερες προβλέψεις τους.

Το GraphCast, εν τω μεταξύ, προσφέρει εξαιρετικά ακριβείς κλιματικές προβλέψεις μεσαίου εύρους σε λιγότερο από ένα λεπτό, όλα μέσω μιας μόνο από τις μηχανές επεξεργασίας τανυστών μηχανικής

μάθηση

ς (TPU) της

Google

που τροφοδοτούνται με AI.

Κατά τη διάρκεια μιας ολοκληρωμένης αξιολόγησης απόδοσης έναντι του βιομηχανικού προτύπου συστήματος NWP—η Πρόβλεψη υψηλής ανάλυσης (HRES)—το GraphCast αποδείχθηκε πιο ακριβές σε πάνω από το 90 τοις εκατό των δοκιμών. Όταν περιορίζεται το εύρος μόνο στην τροπόσφαιρα της Γης, το χαμηλότερο τμήμα της ατμόσφαιρας που φιλοξενεί τα πιο αξιοσημείωτα καιρικά φαινόμενα, το GraphCast κέρδισε το HRES σε ένα εκπληκτικό 99,7 τοις εκατό των μεταβλητών δοκιμής. Η ομάδα του Google DeepMind εντυπωσιάστηκε ιδιαίτερα από την ικανότητα του νέου προγράμματος να εντοπίζει επικίνδυνα καιρικά φαινόμενα χωρίς να λάβει καμία εκπαίδευση για να τα αναζητήσει. Ανεβάζοντας έναν αλγόριθμο παρακολούθησης τυφώνων και εφαρμόζοντάς τον στις υπάρχουσες παραμέτρους του GraphCast, το πρόγραμμα που τροφοδοτείται με τεχνητή νοημοσύνη μπόρεσε αμέσως να εντοπίσει και να προβλέψει με μεγαλύτερη ακρίβεια την πορεία των καταιγίδων.

Τον Σεπτέμβριο, το GraphCast έκανε το δημόσιο ντεμπούτο του μέσω του οργανισμού πίσω από το HRES, το

Ευρωπαϊκό Κέντρο Προγνώσεων Καιρού Μεσαίου Εύρους

(ECMWF). Κατά τη διάρκεια αυτής της περιόδου, το GraphCast προέβλεψε με ακρίβεια την τροχιά του τυφώνα Λι εννέα ημέρες πριν από την πτώση του στη Νέα Σκωτία. Τα υπάρχοντα προγράμματα προβλέψεων αποδείχθηκαν όχι μόνο λιγότερο ακριβή, αλλά καθόρισαν επίσης τον προορισμό του Lee στη Νέα Σκωτία έξι ημέρες νωρίτερα.

[Related:


Atlantic hurricanes are getting stronger faster than they did 40 years ago


.]

«Η πρωτοποριακή χρήση της τεχνητής νοημοσύνης στην πρόγνωση του καιρού θα ωφελήσει δισεκατομμύρια ανθρώπους στην καθημερινή τους ζωή».

έγραψε ο Λαμ

την Τρίτη, ο οποίος σημειώνει τη δυνητική ζωτική σημασία του GraphCast εν μέσω ολοένα και πιο καταστροφικών γεγονότων που προέρχονται από την κλιματική κατάρρευση.

“[P]Η ανίχνευση ακραίων θερμοκρασιών έχει αυξανόμενη σημασία στον θερμαινόμενο κόσμο μας», συνέχισε ο Λαμ. «Το GraphCast μπορεί να χαρακτηρίσει πότε η θερμότητα έχει ρυθμιστεί να ανέβει πάνω από τις ιστορικές κορυφαίες θερμοκρασίες για οποιαδήποτε δεδομένη τοποθεσία στη Γη. Αυτό είναι ιδιαίτερα χρήσιμο για την πρόβλεψη κυμάτων καύσωνα, αποδιοργανωτικών και επικίνδυνων γεγονότων που γίνονται όλο και πιο κοινά».

Το GraphCast του Google DeepMind είναι ήδη διαθέσιμο μέσω του

κωδικοποίηση ανοιχτού κώδικα

και το ECMWF σχεδιάζει να

συνεχίστε να πειραματίζεστε

με την ενσωμάτωση του συστήματος που τροφοδοτείται από AI στις μελλοντικές του προσπάθειες πρόβλεψης.