Meteorologie jako věda jde kupředu díky rozvoji technologií. V současné době existuje několik počítačových programů schopných přímo předpovídat, kdy a kde bude pršet. Společnost DeepMind vyvinula umělou inteligenci schopnou téměř přesně předpovídat, kdy a kde bude pršet. Tato společnost spolupracovala s britskými meteorology na vytvoření modelu, který je lepší pro vytváření krátkodobých předpovědí než současné systémy.
V tomto článku vám řekneme vše, co potřebujete vědět o akciovém trhu Robleda a technologii předpovědi počasí společnosti DeepMind.
Předpověď počasí
DeepMind, londýnská společnost pro umělou inteligenci, pokračuje ve své kariéře aplikace hlubokého učení na složité vědecké problémy. Společnost DeepMind ve spolupráci s Met Office Britské národní meteorologické služby vyvinula nástroj pro hluboké učení nazvaný DGMR, který dokáže přesně předpovídat pravděpodobnost deště v příštích 90 minutách, což je významnou výzvou v předpověď počasí.
Ve srovnání se stávajícími nástroji se desítky odborníků domnívají, že předpovědi DGMR jsou nejlepší z několika faktorů, včetně předpovědí polohy, dosahu, pohybu a intenzity deště, 89% času. Nový nástroj DeepMind otevírá nový klíč v biologii, který se vědci snaží vyřešit už desítky let.
I malá vylepšení předpovědí jsou však důležitá. Prognózy deště, zejména silného deště, jsou zásadní pro mnoho průmyslových odvětví, od venkovních aktivit po letecké služby a mimořádné události. Je ale těžké to napravit. Určení, kolik vody je na obloze a kdy a kde bude padat, závisí na mnoha klimatických procesech, jako jsou změny teploty, tvorba mraků a vítr. Všechny tyto faktory jsou samy o sobě dostatečně složité, ale jsou složitější, když se kombinují. Chcete-li se o tomto jevu dozvědět více, můžete se podívat na článek na definice meteorologie.
Nejlepší dostupná predikční technologie využívá velké množství počítačových simulací fyziky atmosféry. Ty jsou vhodné pro dlouhodobé předpovědi, ale moc se jim nedaří předpovídat, co se stane příští hodinu. Tomu se říká okamžitá předpověď.
Vývoj DeepMind
Předchozí techniky hlubokého učení byly vyvinuty, ale tyto techniky často fungují dobře v jednom aspektu, jako je předpovídání polohy, a na úkor jiného, jako je předpovídání síly. Radarová data pro silné srážky, která pomáhají předpovídat okamžité srážky, zůstávají pro meteorology velkou výzvou.
Tým DeepMind použil radarová data k výcviku své AI. Mnoho zemí a regionů často zveřejňuje snímky radarových měření, která sledují tvorbu mraků a pohyb po celý den. Například ve Velké Británii se nové hodnoty odešlou každých pět minut. Spojením těchto záběrů můžete získat aktuální stop-motion video ukazující, jak se v zemi mění způsob deště.
Vědci posílají tato data do sítě hluboké generace podobné GAN, což je vyškolená AI, která dokáže generovat nové vzorky dat, které jsou velmi podobné skutečným datům používaným při školení. GAN byl použit ke generování falešných tváří, včetně falešného Rembrandta. V tomto případě se DGMR (což znamená „generativní model hlubokého deště“) naučilo generovat falešné radarové snímky, které pokračují ve skutečné sekvenci měření.
Experimenty s DeepMind AI
Shakir Mohamed, který vedl výzkum v DeepMind, řekl, že je to stejné jako sledovat několik fotografií z filmu a hádat, co se stane dál. K otestování této metody tým požádal 56 meteorologů z meteorologického úřadu (kteří se na práci nepodíleli), aby se ponořili do pokročilejších fyzikálních simulací a sady protivníků.
89% lidí uvedlo, že upřednostňují výsledky dané DGMR. Algoritmy strojového učení se obecně snaží optimalizovat pro jednoduché měření toho, jak dobré jsou vaše předpovědi. Předpověď počasí má však mnoho různých aspektů. Možná předpověď dostala špatnou intenzitu deště na správném místě, nebo jiná předpověď získala správnou kombinaci intenzit, ale na špatném místě a tak dále. Chcete-li se dozvědět více o tom, jak systémy počasí fungují, doporučujeme přečíst si o rozdíl mezi anticyklonami a bouřemi.
DeepMind řekl, že uvolní strukturu všech proteinů známých vědě. Společnost použila umělou inteligenci skládající protein AlphaFold ke generování struktur pro lidský proteom, stejně jako pro kvasinky, ovocné mušky a myši.
Spolupráce mezi DeepMind a Met Office je dobrým příkladem spolupráce s koncovými uživateli na dokončení vývoje AI. To je samozřejmě dobrý nápad, ale často se to nestává. Tým na projektu pracoval několik let a projekt formovaly příspěvky odborníků z meteorologického úřadu. Suman Ravuri, vědec z DeepMind, řekl: "Podporuje vývoj našeho modelu jiným způsobem než naše vlastní implementace." "Jinak bychom mohli vytvořit model, který by nakonec nebyl nijak zvlášť užitečný." Chcete-li se dozvědět více o různých aplikacích meteorologie, můžete navštívit článek na drony v meteorologii.
DeepMind také touží ukázat, že jeho AI má praktické aplikace. Pro Shakir jsou DGMR a AlphaFold součástí stejného příběhu: společnost využívá své letité zkušenosti s řešením hádanek. Asi nejdůležitějším závěrem je, že DeepMind konečně začal uvádět seznam vědeckých problémů v reálném světě.
Pokroky v předpovědi počasí
Předpověď počasí musí být podpořena vývojem technologie, protože jsme stále blíže k úplnému pochopení toho, jak funguje naše atmosféra. Lidská bytost a její výpočty mohou mnohokrát podléhat běžným chybám, kterým je možné se s rozvojem umělé inteligence vyhnout.
Předpověď počasí je pro lidské bytosti klíčová, protože toho můžeme využít efektivnější vodní zdroje a vyhnout se některým katastrofám při bouřkách a silných deštích. Z tohoto důvodu meteorologové stále častěji souhlasí s vývojem projektů umělé inteligence pro předpovídání srážek.
Doufám, že s těmito informacemi se můžete dozvědět více o projektu DeepMind a jeho charakteristikách.