Microsoft bryt ny grunn innan vêrprognostiseringar med deira initiativ for å gjere langtidsprognosar meir nøyaktige. Dei har utvikla kunstig intelligensmodellar som er i stand til å forutsjå vêrforhold i heilt opp til 30 dagar, med mål om å lette reiseplanlegging med større tryggleik.
Utviklingsteamet deira har blitt anerkjent av ForecastWatch som den mest nøyaktige globale værprognoseleverandøren så langt i mars 2023, men dei kviler ikkje på lauvbæra. Kunngjort gjennom ein Bing-bloggpost denne veka, pressar Microsoft Start på grensene med ein forskningsartikkel henta inn på arXiv av Cornell University. Denne studien viser at Microsoft sin mellomlangtidsprognosemodell overgår European Centre for Medium-Range Weather Forecasts (ECMWF) i effektivitet.
Innovasjonen bak Microsoft sitt oppdaterte system ligg i ein genial kombinasjon av fem kunstig intelligensmodellar og tre djuplæringsarkitekturar. Dette blandinga blir brukt for å prosessere enorme sett av værdata samla over tiår, og avdekker mønster for å forutsjå framtidige vêrtrender med høg nøyaktigheit.
Artikkelen beskriv desse AI-modellane som som fungerande likt tradisjonelle numeriske vêrprognose (NWP)-system. Dei startar med den noverande tilstanden til atmosfæren vår representert i eit tredimensjonalt rom og føreslekterar det inn i framtida, gradvis byggjande prognosar for påfølgjande timar.
Microsoft sine AI-modellar skryt av ein viktig fordel: ved å nyttiggjere GPU-teknologi, kan dei køyre prognosar mykje raskare og med meir hyppige intervall. Denne raskheita kan markant forbetre nøyaktigheita av prognosane.
Ifølgje Microsoft har desse AI-modellane allereie overgått temperaturfeilmåla som blir brukte av ECMWF med 17% for én-vekes prognosar og med 4% for fire-vekers prognosar. Dei har planar om å implementere denne innovative modellen inn i Microsoft Start, og dermed tilby svært pålitelege værprognosar til brukarar.
Andre relevante faktum å vurdera når vi diskuterer framsteg innafor vêrprognostisering gjennom Microsoft sin AI inkluderer:
– Tradisjonelle NWP-utfordringar: Numerical Weather Prediction (NWP) stolar tungt på superdatamaskiner for å simulere atmosfæren ved hjelp av fysikkbaserte modellar. Desse modellane krev enorme beregningsressursar og kan bli avgrensa av oppløysninga dei simulerer vêrsystema ved. Dette påverkar deira evne til nøyaktig å forutsjå småskala vêrhendingar eller endringar langt i førevegen.
– Dataassimilering: AI-modellar, som dei utvikla av Microsoft, kan inkorporera avanserte teknikkar for dataassimilering. Desse teknikkane blander observasjonsdata med modelldata for å forbetre initsialtilhøva, noko som kan føre til potensielt meir nøyaktige værprognosar.
– Klimaendringar: Med framveksten av klimaendringar, blir vêrmønster meir uforutsigbare, noko som argumenterer for at nøyaktige langtidsværprognosar blir meir utfordrande og avgjerande. AI-baserte modellar kan være betre rusta til å tilpasse seg desse endringane og potensielt gi meir nøyaktige prognosar i eit endrande klima.
Viktige spørsmål og svar:
– Q: Kvifor kan Microsoft sin AI forutsjå vêret så presist?
– A: Microsoft sin AI nyttar ein kombinasjon av fleire kunstig intelligensmodellar og djuplæringsarkitekturar som prosesserer store datasett, identifiserer mønster som tradisjonelle modellar kan gå glipp av. Bruken av GPU-teknologi gjer at desse prognosane kan skje raskare og med høgare frekvens.
– Q: Korleis samanliknar Microsoft sin AI seg med tradisjonelle vêrvarslingsmetodar?
– A: Microsoft sin AI har overgått temperaturerrormetrica til European Centre for Medium-Range Weather Forecasts, antyder at den potensielt kan tilby meir presise prognosar, spesielt for mellomlangtidsprognosar.
Viktige utfordringar:
– Datatilgjenge: AI-dreivne værprognosemodellar krev store mengder historiske værdata. Tilgjengelegheita og kvaliteten til desse dataene er avgjerande for modellens ytelse.
– Bereknekrav: Sjølv om AI-modellane kan køyre raskare enn tradisjonelle NWP-tilnærmingar, er det framleis ein betydeleg beregningskostnad for knyttet til opplæring av desse modellane, noko som krev tilgang til avanserte databehandlingsressursar.
– Generalisering: AI-modellar presterar godt under tilstandar som lignar på data dei har blitt trent på. Dersom vêrmønster endrar seg betydeleg, kan modellane vere naudsynte å bli trenet på nytt for å oppretthalde nøyaktigheita deira.
Fordelar:
– Kan forutsjå vêr lengre fram i tid med høgare presisjon.
– Raskare databehandling tillèt meir hyppige prognoseoppdateringar.
– AI-modellar kan være meir tilpassande til endrande vêrmønster grunna klimaendringar.
Ulempar:
– Krev betydelig databehandlingskraft og datalagringsevne.
– Potensiell skjevhet i modellen grunna avgrensnignar i treningdataene.
– Langtidspålitelegheit i møte med raskt endrande klimaforhold er framleis ikkje fullt ut testa.
For dei som er interesserte i meir informasjon om Microsoft sin involvering i værprognostiseringsarbeid, er hovuddomenelenken som følgjer: Microsoft.
Samlet sett kan Microsoft sitt gjennombrot i værprognostisering ved hjelp av AI potensielt tilføre betydeleg verdi i ulike sektorar, frå jordbruk og transport til katastrofeberedskap, ved å muliggjera meir nøyaktige og langsiktige værprognosar. Men dei tekniske, datarelaterte og tilpassande utfordringane må vurderast vidare etter kvart som teknologien fortsett å utvikle seg.