DeepMind DI gali tiksliai numatyti, ar per artimiausias 90 minučių lis (14)
DeepMind ir JK meteorologijos biuras (Met Office) sukūrė DI, galintį trumpam laikui pateikti tikslesnę prognozę nei turimi modeliai.
|
Visi šio ciklo įrašai |
|
Prisijunk prie technologijos.lt komandos!
Laisvas grafikas, uždarbis, daug įdomių veiklų. Patirtis nebūtina, reikia tik entuziazmo.
Sudomino? Užpildyk šią anketą!
JK įsikūrusi DeepMind – Google tėvinės kompanijos Alphabet DI padalinys – jau yra pasiekęs įspūdingų rezultatų su žaisti Go ir tyrinėti baltymų išsilankstymą ištreniruotais neurotinklais. Dabar gilusis mokymasis pasitelktas sudaryti trumpalaikes lietaus prognozes. Įprastai jos apima artimiausias 2 valandas ir naudojamos organizuojant renginius po atviru dangumi, įspėti apie potvynius ir aviacijoje.
Tyrėjai neurotinklą treniravo orų radaro duomenimis, surinktais 2016 – 2018 ir išbandė, naudodami 2019 metų duomenis. Iki 2016 metų radarų duomenys buvo ne tokie detalūs. Remiantis gautu modeliu, galima pateikti prognozes 1536 km ⨉ 1280 km regione ir nustatyti lietaus tikimybę per ateinančias 5 – 90 min konkrečiame 1⨉1 km plote, naudojant 5 minutes istorinių radaro duomenų.
Eksperimentuodama, komanda palygino DeepMind prognozes su sudarytomis dviem esamais įrankiais, iš kurių vienas modeliuoja atmosferą matematiškai, o kitame irgi naudojamas gilusis mokymasis. DeepMind teigia, kad aklame 50 Met Office meteorologių tyrime, jų DI modelis užėmė pirmą vietą pagal tikslumą 89 procentuose eksperimentų.
Suman Ravuri iš DeepMind sako, kad dabartiniai ilgalaikio orų prognozavimo modeliai įprastai remiasi intensyviomis matematinėmis simuliacijomis ir trumpalaikes prognozes pateikia prastai, o šį trūkumą turinčiam užpildyti specializuotam trumpų prognozių įrankiui irgi dar yra kur tobulėti.
„[Egzistuojanti technologija] iš tiesų stulbinamai prognozuoja orus nuo maždaug 6 valandų dviejų savaičių, bet yra atkarpa, ypač nuo 0 iki 2 valandų, kurioje turimas modelis veikia prasčiausiai,“ sako jis.
Ravuri pažymi, kad žmonės tikriausia nepasitrauks iš orų prognozavimo net ir pradėjus naudoti DI įrankius. „Kažkuriuo metu prisireiks ekspertų ir kitų žmonių įsikišimo, kad būtų užtikrintas AI pateikiamos prognozių informacijos logiškumas ir pateikimas publikai,” sako jis. „Sunku įsivaizduoti visa tai atliekančią automatinę sistemą.“
Niall Robinson iš Met Office pridūrė: „Šis tyrimas demonstruoja DI potencialą patobulinti mūsų trumpalaikes prognozes ir suprasti orų vystymąsi.“
Matthew Sparkes
www.newscientist.com
Žurnalo nuoroda: Nature, DOI: 10.1038/s41586-021-03854-z