Метеорологията като наука напредва благодарение на развитието на технологиите. В момента има няколко компютърни програми, способни директно да прогнозират кога и къде ще вали. Компанията на DeepMind е разработил изкуствен интелект, способен да предвиди почти точно кога и къде ще вали. Тази компания е работила с британските метеоролози, за да създаде модел, който е по-добър за краткосрочни прогнози от настоящите системи.
В тази статия ще ви разкажем всичко, което трябва да знаете за борсата Robleda и технологията за прогнозиране на времето на DeepMind.
Прогноза за времето
DeepMind, базирана в Лондон компания за изкуствен интелект, продължава кариерата си в прилагането на дълбоко обучение към трудни научни проблеми. DeepMind разработи инструмент за задълбочено обучение, наречен DGMR в сътрудничество с Метеорологичната служба на Британската национална метеорологична служба, който може точно да предскаже вероятността за дъжд през следващите 90 минути, значително предизвикателство в прогноза за времето.
В сравнение със съществуващите инструменти, десетки експерти смятат, че прогнозите на DGMR са най -добри по няколко фактора, включително прогнозите за местоположението, обхвата, движението и интензивността на дъжда, 89% от времето. Новият инструмент на DeepMind отваря нов ключ в биологията, който учените се опитват да решат от десетилетия.
Въпреки това дори малки подобрения в прогнозите са важни. Прогнозирането на дъжд, особено обилен, е от решаващо значение за много индустрии, от дейности на открито до авиационни услуги и извънредни ситуации. Но да се получи правилно е трудно. Определянето на количеството вода в небето и кога и къде ще падне зависи от много климатични процеси, като температурни промени, образуване на облаци и вятър. Всички тези фактори са достатъчно сложни сами по себе си, но стават по-сложни, когато се комбинират. За да научите повече за това явление, можете да се консултирате със статията за определение на метеорологията.
Най -добрата налична технология за прогнозиране използва голям брой компютърни симулации на физиката на атмосферата. Те са подходящи за дългосрочни прогнози, но не са много добри в прогнозирането на това, което ще се случи през следващия час. Това се нарича незабавна прогноза.
Развитие на DeepMind
Бяха разработени предишни техники за дълбоко обучение, но тези техники обикновено се представят добре в един аспект, като например прогнозиране на местоположение, за сметка на друг, като например прогнозиране на сила. Радарните данни за силни дъждове, които помагат за прогнозиране на незабавни валежи, остават голямо предизвикателство за метеоролозите.
Екипът на DeepMind използва радарни данни за обучение на своя AI. Много страни и региони често публикуват снимки на радарни измервания, които проследяват образуването и движението на облаци през целия ден. Например във Великобритания нови показания се публикуват на всеки пет минути. Сглобявайки тези снимки, можете да получите актуален видеоклип със стоп-движение, показващ как се променя моделът на дъжда в дадена държава.
Изследователите изпращат тези данни в мрежа за дълбоко поколение, подобна на GAN, която е обучен AI, който може да генерира нови извадки от данни, които са много подобни на действителните данни, използвани при обучението. GAN е използван за генериране на фалшиви лица, включително фалшивия Рембранд. В този случай DGMR (което означава „Generative Deep Rain Model“) се е научил да генерира фалшиви радарни снимки, които продължават действителната измервателна последователност.
Експерименти с DeepMind AI
Шакир Мохамед, който ръководеше изследването в DeepMind, каза, че това е същото като гледането на няколко снимки от филм и гадаенето какво ще се случи след това. За да тестват този метод, екипът помоли 56 метеоролози от Бюрото по метеорология (които не са участвали в работата) да се задълбочат в по -напредналите физически симулации и набор от противници.
89% от хората заявяват, че предпочитат резултатите, дадени от DGMR. Алгоритмите за машинно обучение обикновено се опитват да оптимизират за проста мярка за това колко добри са вашите прогнози. Прогнозата за времето обаче има много различни аспекти. Може би една прогноза е получила грешен интензитет на дъжда на правилното място, или друга прогноза е получила правилната комбинация от интензитети, но на грешното място и т.н. За да научите повече за това как работят метеорологичните системи, препоръчваме да прочетете за разлика между антициклони и депресии.
DeepMind заяви, че ще освободи структурата на всички протеини, известни на науката. Компанията е използвала своя сгъваем протеин AlphaFold изкуствен интелект за генериране на структури за човешкия протеом, както и за дрожди, плодови мухи и мишки.
Сътрудничеството между DeepMind и Met Office е добър пример за работа с крайни потребители за завършване на разработването на AI. Очевидно това е добра идея, но често не се случва. Екипът работи по проекта в продължение на няколко години и приносът на експерти от Бюрото по метеорология оформи проекта. Суман Равури, изследовател в DeepMind, каза: „Той насърчава развитието на нашия модел по начин, различен от нашето собствено внедряване.“ "В противен случай може да сме създали модел, който в крайна сметка няма да бъде особено полезен." За да научите повече за различните приложения на метеорологията, можете да посетите статията за дронове в метеорологията.
DeepMind също е нетърпелив да покаже, че неговият AI има практически приложения. За Shakir DGMR и AlphaFold са част от една и съща история: компанията използва дългогодишния си опит в решаването на пъзели. Може би най-важният извод тук е, че DeepMind най-накрая започна да изброява реални научни проблеми.
Напредък в прогнозата за времето
Прогнозирането на времето трябва да бъде подкрепено от развитието на технологиите, тъй като ние се приближаваме все по -близо до пълното разбиране как работи нашата атмосфера. Много пъти човешкото същество и неговите изчисления могат да бъдат обект на често срещани грешки, които могат да бъдат избегнати с развитието на изкуствения интелект.
Прогнозирането на времето е ключово за хората, тъй като можем да се възползваме от много по -ефективни водни ресурси и избягване на някои катастрофи при бури и проливни дъждове. Поради тази причина метеоролозите все повече се съгласяват да разработват проекти за изкуствен интелект за прогнозиране на валежите.
Надявам се, че с тази информация можете да научите повече за проекта DeepMind и неговите характеристики.