هوش مصنوعی چکش محبوب جدید گوگل است و میخ بعدی در مسیر آن، پیشبینی آب و هواست. این شرکت GenCast را معرفی کرده است که یک “مدل آنسامبل با وضوح بالا” است و جزئیات آن در مقالهای که در Nature منتشر شده است، آمده است.
پیشبینی دقیق آب و هوا برای هر چیزی از زندگی روزمره تا آمادگی برای بلایا و حتی انرژیهای تجدیدپذیر مهم است. و GenCast سیستم برتر فعلی، ENS ECMWF را در پیشبینیهای تا 25 روز آینده شکست میدهد.
GenCast یک مدل انتشار است، مشابه آنهایی که ممکن است در مولدهای تصویر هوش مصنوعی دیده باشید. با این حال، این مدل به طور خاص برای هندسه زمین تنظیم شده است. این مدل با استفاده از چهار دهه داده تاریخی از آرشیو ECMWF آموزش دیده است.
برای آزمایش آن، گوگل GenCast را با استفاده از دادههای آب و هوایی تاریخی تا سال 2018 آموزش داد و 1320 پیشبینی مختلف برای سال 2019 اجرا کرد و خروجی آن را با ENS و آب و هوای واقعی مقایسه کرد. GenCast در 97.2 درصد موارد دقیقتر از ENS بود و این دقت تا 99.8 درصد برای پیشبینیهای 36 ساعت به بعد یا بیشتر افزایش مییابد.
در اینجا یک دمو وجود دارد. گوگل به GenCast وظیفه پیشبینی مسیر توفان هاگیبیس را که در سال 2019 ژاپن را درگیر کرد، داد. میتوانید مسیر طی شده توسط توفان را به رنگ قرمز و مسیرهای احتمالی پیشبینی شده توسط مدل هوش مصنوعی گوگل را به رنگ آبی مشاهده کنید. در 7 روز اول، آنها بسیار پراکنده هستند، اما با نزدیک شدن توفان به خشکی، آنها به مسیر واقعی نزدیکتر میشوند.
دادن زمان بیشتر به مقامات محلی برای آماده شدن برای آب و هوای شدید یکی از موارد استفاده است. GenCast همچنین میتواند سرعت باد در نزدیکی مزارع بادی، آب و هوا بر فراز مزارع خورشیدی و غیره را پیشبینی کند.
GenCast یک “مدل آنسامبل” است، به این معنی که بیش از 50 پیشبینی با احتمالهای مختلف تولید میکند. گوگل میگوید یکی از این پیشبینیها که یک پیشبینی 15 روزه را در بر میگیرد، میتواند در 8 دقیقه روی یک Google Cloud TPU v5 تولید شود. پیشبینیهای متعدد میتوانند به صورت موازی انجام شوند. در همین حال، یک مدل پیشبینی آب و هوای سنتی ساعتها روی یک ابررایانه زمان میبرد.
گوگل GenCast را به عنوان یک مدل باز منتشر میکند و کد و وزنهای آن را به اشتراک میگذارد. این شرکت قصد دارد در آینده با آژانسهای پیشبینی آب و هوا و دانشمندان همکاری کند تا پیشبینیهای آینده را حتی بهتر کند.
منبع: deepmind
دیدگاهتان را بنویسید