Google pažanga orų prognozėse naudojant dirbtinį intelektą
Žyminis dalykas, „Google“ pristatė dirbtinio intelekto varomo modelio modelį, skirtą kurti labai tiksliai orų prognozes. Šis dirbtinio intelekto modelis, pastebimai pigesnis nei tradiciniai fizikos pagrindu paremti prognozavimo metodai, buvo tinkamai pavadintas „SEEDS“.
Iš esmės, „SEEDS“ modelis naudoja metodologiją, analogišką iškilmingiems kalbos modeliams ir generatyvios dirbtinio intelekto įrankiams, kurie generuoja vaizdo turinį iš teksto pagrindų. Jo pagrindinis pranašumas slypi jo gebėjime greitai sukurti gausybę orų scenarijų, palengvinant greitesnį ir ekonomiškesnį prognozavimą lyginant su įprastais modeliais. Inovatyvi strategija ir išvados buvo išsamiai aprašytos tyrimo straipsnyje, paskelbtame žurnale „Science Advances” 2023 m. kovo 29 d.
Orų prognozavimo sudėtingumas
Orų prognozavimas žinomas savo kompleksiškumu dėl daugybės kintamųjų, kurie gali sukelti potencialiai pražūtingus klimatinius reiškinius, nuo uraganų iki karščio bangų. Tačiau su klimato kaita, pabloginant ekstremalių oro sąlygų sąlygas, tikslios prognozės yra kritiškos, gelbėjant gyvybes teikiant žmonėms laiko pasiruošti blogiausiems gamtinių nelaimių padariniams.
Įprasti prognozavimo metodai
Šiuo metu orų tarnyboms naudojami įprasti fizikos pagrindu paremti prognozavimai sudaro įvairius matavimus, kad suteiktų vidutinę prognozę, remiantis įvairūs modelių prognozavimas, nagrinėjant visus kintamuosius. Nors šios prognozės pakankamai tikslios įprastoms sąlygoms, tokoms kaip švelnus oras ar šilti vasaros dienos, prognozuoti ekstremalius klimatinius reiškinius lieka už daugumo paslaugų ribų. Naudojant deterministinius ar tikimybinius modelius, į kintamus kintamuosius įtraukiant atsitiktinius kintamuosius, dažnai kyla didesnis klaidos rodiklis. Be to, modelių prognozėms, detaliai aprašančioms įvairius veiksnius iki tokio smulkmeniškumo lygio, yra ypač brangus. „Google“ mokslininkai teigia, kad būtina netikėtina 10 000 modelių prognozių norint numatyti vos 1% tikimybes įvykį.
Dirbtinio intelekto modelis, pagrįstas meteorologiniais duomenimis
„Google“ dirbtinio intelekto modelis kuria prognozuojamus scenarijus iš fizinių matavimų, surinktų meteorologinių agentūrų. Jis tiria ryšius tarp galimos energijos vienetui masės svoriui Žemės gravitacinėje laukinėje viduryje ir jūros lygio slėgio, abi įprastos metrikos prognozavime. Įprastiniai požiūriai suteikia tik apie 10–50 prognozių, tuo tarpu „Google“ įmonės dirbtinio intelekto pagrindu sukurtas sistema išskleidžia iki 31 prognozų rinkinių iš vieno ar dviejų „pradinės prognozės“ kaip įvesties duomenų.
Mokslininkai patiriamąjį laiką apskaičiavo, modeliuodami 2022 m. Europos karsčio bangą, naudodami istorinius orų duomenis iš to laikotarpio. „Google“ atstovai teigė, kad būtent septynios dienos prieš karsčio bangą, operacinės grupės prognozės JAV nerodė jokių šio artėjančio įvykio ženklų. Be to, grupės, turinčios mažiau nei šimtą prognozių – sumos, gerokai viršijančios konvencines, taip pat būtų praleidusios tikslą. Mokslininkai apibūdino „Google“ modelio kompiuterinės išlaidos, lyginant su dabartiniais metodais, kaip „nieko nereikšmingas“.
Svarbios klausimai ir atsakymai
Kas yra „SEEDS“ ir kaip jis revoliucionuoja orų prognozes?
„SEEDS“ yra „Google“ pristatytas dirbtinio intelekto varomas orų prognozių modelis, kuris yra svarbus posūkis nuo tradicinių, fizikos pagrindu paremtų metodų. Jis pasinaudoja metodologijomis, panašiomis į tuos, kuriuos naudoja dirbtinysis intelektas kalbos apdorojimui ir turinio generavimui, kad greitai sugeneruotų daugybę orų scenarijų, siūlydamas tokiu būdu ekonomiškesnį ir greitesnį požiūrį į orų prognozavimą.
Kokie yra pagrindiniai iššūkiai ir kontroversijos, susijusios su dirbtinio intelekto varomo orų prognozėmis?
Pagrindiniai iššūkiai apima dirbtinių intelekto prognozių patikimumą ir aiškinamumą, integravimą su esamais meteorologiniais infrastruktūros objektais, bei potencialių pasibaisėjimų valdymą dirbtinių intelekto modelių atžvilgiu. Kontroversijos gali kilti dėl tradicinių prognozavimo darbų pakeitimo, duomenų privatumo klausimų susijusių su orų duomenų rinkimu, bei priklausomybės nuo per daug neaiškių dirbtinio intelekto sistemų kritiškoms orų prognozavimo situacijoms turinčioms rimtų padarinių viešajai saugai.
„Google“ dirbtinio intelekto orų prognozavimo privalumai ir trūkumai
Privalumai:
– Greitis: „Google“ dirbtinis intelektas gali sugeneruoti prognozes žymiai greičiau nei tradiciniai modeliai.
– Kaina: Jo veikimas yra pigesnis nei daugeliui fizikos pagrindu veikiančių sistemų.
– Plečiamumas: Dirbtinis intelektas gali efektyviai tvarkyti daugybę scenarijų be reikšmingų papildomų skaičiavimo kaštų.
– Pakeitimas klimato prognozavime gali labai padėti ruošiantis nelaimėms.
Trūkumai:
– Patikimumas: Dirbtinių intelekto prognozės gali ne visada būti tokios tiksliai, kaip ilgesnių laikotarpių būdu gautos prognozės.
– Skaidrumas: Suprasti, kaip dirbtinis intelektas pasiekia savo išvadas, gali būti sunku, sudarinant pasitikėjimą ir priklausomybę nuo dirbtinių intelekto prognozių.
– Duomenų priklausomybė: Modelio tikslumas priklauso nuo įvestų duomenų kiekio ir kokybės.
Norėdami gauti papildomų išteklių, apsvarstykite apsilankymą pagrindiniuose gerbiamų meteorologijos ir technologijų organizacijų, užsiimančių orų prognozavimu ar dirbtinio intelekto tyrimais, svetainėse. Kai kurie teisingi ištekliai gilesnei informacijai gali būti:
– Nacionalinė okeanografijos ir atmosferos administracija (NOAA)
– Pasaulio meteorologijos organizacija (WMO)
– Tarpvyriausybinė klimato kaitos komisija (IPCC)
– Google
– DeepMind
Vertinkite, kad orų prognozavimo modelių pažanga, tokia kaip „Google“ „SEEDS“, taip pat pabrėžia tarpdisciplininės bendradarbiavimo svarbą kovojant su sudėtingomis pasaulinėmis iššūkiais, tokiomis kaip klimato kaita, ir svarbią dirbtinio intelekto vaidmenį šiame pastangų skyriuje.