Microsoft bryt nye grenser innan vermeldingsførebuingar med deira initiativ for å gjøre langtidsførebuingar meir nøyaktige. Dei har utvikla kunstig intelligens-modellar som er i stand til å førebui verforhold for opptil 30 dagar, med mål om å lette reiseplanlegging med større tillit.
Utviklingsteamet deira har blitt anerkjent av ForecastWatch som den mest presise globale værprognose-leverandøren så langt i mars 2023, men dei kviler ikkje på laurbæra. Kunngjort gjennom eit Bing-blogginnlegg denne veka, Microsoft Start pushar grensene med ein forskingsartikkel verta av Cornell University på arXiv. Denne studien viser Microsoft si mellomlangsiktige prognosemodell som overgår European Centre for Medium-Range Weather Forecasts (ECMWF) i effektivitet.
Innovasjonen bak Microsoft si oppdaterte system ligg i ein genial kombinasjon av fem kunstig intelligens-modellar og tre djuplæringsarkitekturar. Denne blandinga vert brukt til å prosessere enorme sett med værdata samla inn over tiår, avdekke mønster for å førebui framtidige værtrendar med høg nøyaktigheit.
Artikkelen beskriv desse AI-modellane som fungerande på ein liknande måte som tradisjonelle numeriske værmodellprediksjon (NWP)-system. Dei startar med den noverande tilstanden til atmosfæren vår representert i eit tredimensjonalt rom og projiserer det inn i framtida, gradvis bygging prognosar for påfølgjande timar.
Microsoft si AI-modellar skryt av ein essensiell fordel: ved å nyttige GPU-teknologi, kan dei køyre prognosar raskare og med fleire intervall. Denne hastigheita kan vesentleg auka nøyaktigheita av prognosane.
Ifølgje Microsoft har desse AI-modellane allereie prestert betre enn temperaturfeil-metrane brukt av ECMWF med 17% for én-vekes prognosar og 4% for fire-vekes prognosar. Dei planlegg å implementere denne innovative modellen i Microsoft Start, og såleis tilby svært pålitelege verprognosar til brukarane.
Andre relevante fakta å ta i betraktning når ein diskuterer framsteg innan vermeldingsførebuing gjennom Microsoft sin AI inkluderer:
– Tradisjonelle NWP-utfordringar: Numerisk Værprognose (NWP) stolar tungt på superdatamaskiner for å simulere atmosfæren ved hjelp av fysikkbaserte modellar. Desse modellane krev enorme beregningsressursar og kan være avgrensa av oppløysinga som dei simulerer værsystema ved. Dette påverkar deira evne til nøyaktig å førebui småskala værhendingar eller endringar betydelig i forvegen.
– Dataassimilering: AI-modellar, som dei utvikla av Microsoft, kan innlemma avanserte dataassimileringsteknikkar. Desse teknikkane blander observasjonsdata med modelldata for å forbetre innleiande tilstander, som fører til potensielt meir nøyaktige værprognosar.
– Klimaendringseffekt: Med starten av klimaendringa, har værmønstre blitt meir uforutsigbare, noko som gjer nøyaktig langtids værprognoser meir utfordrande og viktige. AI-baserte modellar kan være betre rusta til å tilpasse seg desse endringane og potensielt tilby meir nøyaktige prognosar i eit skiftande klima.
Viktige spørsmål og svar:
– Q: Kvifor kan Microsoft si AI førebui ver med slik presisjon?
– A: Microsoft sin AI nyttar ein kombinasjon av fleire kunstig intelligens-modellar og djuplæringsarkitekturar som prosesserer store datasett, identifiserer mønster som tradisjonelle modellar kan oversjå. Bruken av GPU-teknologi tillèt desse prognosane å skje raskare og med større frekvens.
– Q: Korleis samanliknar Microsoft sin AI seg med tradisjonelle værprognosemetodar?
– A: Microsoft si AI har prestert bedre enn European Centre for Medium-Range Weather Forecasts» temperaturfeil-metrar, noko som tyder på at den potensielt kan tilby meir presise prognosar, særleg for mellomlangsiktige prognosar.
Viktige utfordringar:
– Data Tilgjengelegheit: AI-dreivne værprognosemodellar krev store mengder historiske værdata. Tilgjenge og kvalitet av desse data er avgjerande for modellens ytelse.
– Bereknekrav: Sjølv om AI-modellar kan køyre raskare enn tradisjonelle NWP-tilnærmingar, finst det framleis ein betydeleg bereknekostnad assosiert med treninga av desse modellane, som krev tilgang til avanserte databehandlingsressursar.
– Generalisering: AI-modellar presterer bra under forhold liknande på data dei har blitt trent på. Dersom værmønstre endrar seg betydeleg, må modellane kanskje trenast på nytt for å vedlikehalde deira nøyaktigheit.
Fordelar:
– Kan førebui ver endå lengre framover med høgare presisjon.
– Raskare berekning tillèt fleire frekventa prognoseoppdateringar.
– AI-modellar kan være meir tilpassingsdyktige til endringar i værmønstre på grunn av klimaendringar.
Ulemper:
– Krev betydeleg berekningskraft og datalagringskapasitet.
– Potensiell skjevhet i modellen på grunn av avgrensingar på treningsdata.
– Langsiktig pålitelegheit i møte med raskt skiftande klimatiske forhold er enno ikkje gjennomgåande testa.
For dei som er interesserte i meir informasjon om Microsoft sin involvering i værprognoser, er hovuddomene-lenken som følgjer: Microsoft.
Generelt har Microsoft si gjennombrot i værprognoser ved bruk av AI potensial til å tilføre betydeleg verdi i ulike sektorar, frå jordbruk og transport til beredskap for katastrofar, ved å muliggjere meir presise og langtids værprognoser. Likevel må tekniske, datarelaterte og adaptive utfordringar vurderast når teknologien fortset å utvikle seg.
The source of the article is from the blog elblog.pl