Dirbtinis intelektas orų prognozėse? „Jis visiškai negali to padaryti“ ()
Dirbtinis intelektas tampa vis efektyvesnis prognozuojant orus, tačiau kai kuriose situacijose jis pradeda strigti.
© Maxime Raynal, CC BY 2.0 | https://commons.wikimedia.org/wiki/File:Port_and_lighthouse_overnight_storm_with_lightning_in_Port-la-Nouvelle.jpg
Prisijunk prie technologijos.lt komandos!
Laisvas grafikas, uždarbis, daug įdomių veiklų. Patirtis nebūtina, reikia tik entuziazmo.
Sudomino? Užpildyk šią anketą!
Naujausi tyrimai rodo, kad šiais lemiamais momentais vis dar vyrauja klasikinė fizika. Tai gali turėti realių pasekmių mūsų saugumui.
Dirbtinis intelektas vis labiau skinasi kelią ne tik į IT ir plačiai apibrėžto verslo pasaulį, bet ir į tokias sritis kaip meteorologija, tiksliau, sinoptinė meteorologija arba orų prognozavimas.
Tokie modeliai kaip „GraphCast“ ir „Pangu-Weather“ dabar gali numatyti kasdienes sąlygas greičiau ir dažnai tiksliau nei tradicinės fizikos pagrindais pagrįstos sistemos. Tačiau problema iškyla, kai oras nustoja būti „kasdienis“.
Naujame žurnale „Science Advances“ paskelbtame tyrime teigiama, kad kalbant apie ekstremalius reiškinius (pvz., rekordines karščio bangas ar smarkias vėjo audras), tradiciniai fizikiniai modeliai vis dar turi pranašumą. Tai svarbu, nes dėl klimato kaitos tokie įvykiai tampa vis dažnesni.
|
Tyrėjai palygino dirbtinio intelekto modelių našumą su didelės raiškos prognozėmis (HRES), kurios laikomos vienu tiksliausių fizinių modelių pasaulyje. Jie sukūrė ekstremalių oro įvykių nuo 2018 iki 2020 m. duomenų bazę ir patikrino, kurios prognozės buvo artimesnės realybei.
Rezultatas? Įprastomis sąlygomis dirbtinis intelektas veikė gerai, dažnai geriau ir greičiau nei HRES. Tačiau rekordinių įvykių metu situacija buvo atvirkštinė. Dirbtinio intelekto modeliai sistemingai nepakankamai įvertino temperatūrą karščio bangų metu, o jų tikslumas mažėjo didėjant ekstremalių bangų stiprumui.
Tyrimo autoriai tai paaiškina paprastai: dirbtinis intelektas mokosi iš praeities, todėl, kai įvyksta kažkas precedento neturinčio, jis bando „sekti“ prognozę pagal žinomus modelius.
„Mūsų rezultatai pabrėžia dabartinius dirbtiniu intelektu pagrįstų orų modelių apribojimus, kai kalbama ne tik apie mokymo duomenis, bet ir apie potencialiai įtakingiausių rekordus mušančių oro įvykių prognozavimą“, – rašė tyrėjai.
Fiziniai modeliai veikia kitaip. Jie pagrįsti nekintamais gamtos dėsniais, todėl geriau imituoja situacijas, kurios anksčiau nebuvo pastebėtos. Būtent šis „universalumas“ suteikia jiems pranašumą ekstremaliomis sąlygomis.
Jie pabrėžia, kad prieš pradedant juos naudoti tik didelės rizikos taikymams, pavyzdžiui, ankstyvojo perspėjimo sistemoms ar nelaimių valdymui, būtina atlikti griežtą modelių patvirtinimą ir tobulinimą.
Tačiau tyrėjai neatmeta dirbtinio intelekto galimybės. Priešingai, jie mano, kad jis galėtų atlikti svarbų vaidmenį ateities orų prognozavimo srityje. Labiausiai tikėtinas scenarijus? Hibridinis. Dirbtinio intelekto greičio ir tvirtų fizikos pagrindų derinys.
