Οι ερευνητές της Google DeepMind δημιούργησαν ένα εργαλείο πρόβλεψης καιρού με AI που κάνει ταχύτερες και ακριβέστερες προβλέψεις από το καλύτερο διαθέσιμο σύστημα σήμερα.
Το νέο μοντέλο, που ονομάζεται GenCast, ξεπέρασε το ENS (θεωρείται ευρέως ως παγκόσμιος ηγέτης) στο 97% των περιπτώσεων για προβλέψεις έως και 15 ημέρες εκ των προτέρων. Δοκιμάστηκε σε πάνω από 1.320 σενάρια καιρού, συμπεριλαμβανομένων των τροπικών κυκλώνων και των καύσωνα.
«Η υπεροχή έναντι του ENS σηματοδοτεί ένα σημείο καμπής στην πρόοδο της Τεχνητής Νοημοσύνης για την πρόβλεψη του καιρού», δήλωσε ο Ilan Price, ερευνητής επιστήμονας της Google DeepMind, στην Guardian. «Τουλάχιστον βραχυπρόθεσμα, αυτά τα μοντέλα θα συνοδεύουν και θα βρίσκονται δίπλα στις υπάρχουσες, παραδοσιακές προσεγγίσεις».
Το GenCast είναι ένα μοντέλο μηχανικής μάθησης διάχυσης, παρόμοιο με αυτά που χρησιμοποιούνται στη παραγωγική Τεχνητή Νοημοσύνη για εργασίες όπως η δημιουργία εικόνας ή κειμένου. Ωστόσο, είναι μοναδικά προσαρμοσμένο για την πρόβλεψη του καιρού, εκπαιδευμένο σε δεδομένα τεσσάρων δεκαετιών από το Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Μετεωρολογικών Προγνώσεων (ECMWF) - την υπηρεσία πίσω από το ENS.
Κατά τη διάρκεια των πειραμάτων, οι ερευνητές ζήτησαν από το GenCast να δημιουργήσει μια πρόγνωση για το 2019. Στη συνέχεια, συνέκριναν τα αποτελέσματα με τον πραγματικό καιρό εκείνης της χρονιάς, καθώς και με τις προβλέψεις του ENS.
Το GenCast δημιουργεί ένα σύνολο 50+ διαφορετικών προβλέψεων, καθεμία από τις οποίες δείχνει ένα πιθανό μελλοντικό σενάριο. Αυτά τα δεδομένα βοηθούν τις αρχές να προετοιμαστούν για ακραία καιρικά φαινόμενα όπως οι τυφώνες ή οι χειριστές αιολικών πάρκων να προβλέψουν καλύτερα την παραγωγή ενέργειας ημέρες εκ των προτέρων.
Το φανταχτερό όνομα για αυτή την τεχνική είναι η πιθανοτική πρόβλεψη συνόλου. Είναι ήδη το χρυσό πρότυπο στα παραδοσιακά συστήματα πρόγνωσης. Ωστόσο, το GenCast ανεβάζει τα πράγματα σε ένα νέο επίπεδο. Το σύστημα μπορεί να εκπέμπει προβλέψεις σε πολύ λιγότερο χρόνο: 8 λεπτά, σε σύγκριση με ώρες για τα παραδοσιακά μοντέλα.
Αυτό συμβαίνει επειδή μοντέλα όπως το ENS εκτελούνται σε τεράστιους υπερυπολογιστές που πρέπει να επεξεργαστούν εκατομμύρια εξισώσεις για να κάνουν μια πρόβλεψη. Αντίθετα, το GenCast εκτελείται σε ένα μόνο Google Cloud TPU, ένα τσιπ σχεδιασμένο για μηχανική μάθηση. Αυτό συμβαίνει επειδή η Τεχνητή Νοημοσύνη έχει εκπαιδευτεί, έχει "μάθει" τα δεδομένα - δεν χρειάζεται να τα επεξεργάζεται κάθε φορά που χρειάζεται να κάνει μια πρόγνωση.
Το GenCast βελτιώνει το μοντέλο GraphCast της Deepmind που αποκαλύφθηκε πέρυσι. Άλλες τεχνολογικές εταιρείες αναπτύσσουν επίσης τους δικούς τους προγνωστικούς καιρού με Τεχνητή Νοημοσύνη. Η Nvidia κυκλοφόρησε το FourCastNet το 2022, ενώ η Huawei κυκλοφόρησε το μοντέλο Pangu-Weather το 2023.
Άραγε η Τεχνητή Νοημοσύνη θα αντικαταστήσει σύντομα την παραδοσιακή πρόγνωση; Πιθανώς όχι. Μοντέλα όπως το GenCast εξακολουθούν να βασίζονται σε δεδομένα από παραδοσιακά συστήματα καιρού και μοντέλα για να εκπαιδεύσουν και να βαθμονομήσουν τις προβλέψεις τους. Ωστόσο, η Τεχνητή Νοημοσύνη μπορεί σίγουρα να βελτιώσει τις τρέχουσες μεθόδους.
«Η μεγαλύτερη αξία προέρχεται από μια υβριδική προσέγγιση, συνδυάζοντας την ανθρώπινη αξιολόγηση, τα παραδοσιακά μοντέλα βασισμένα στη φυσική και την πρόβλεψη του καιρού με βάση την Τεχνητή Νοημοσύνη», δήλωσε ο Steven Ramsdale, επικεφαλής μετεωρολόγος στο Met Office του Ηνωμένου Βασιλείου, στην Financial Times.
[via]
![Κβαντικοί Υπολογιστές: Οι βασικές έννοιες που θέλετε να γνωρίζετε [Video]](/techgear/images/techgear.png "Κβαντικοί Υπολογιστές: Οι βασικές έννοιες που θέλετε να γνωρίζετε [Video]")
