Egy új, mesterséges intelligencia által hajtott időjárás-előrejelző modell példátlan pontossággal és a jelenlegi technológiánál lényegesen gyorsabban tudja elvégezni a munkát.
A Google DeepMind – a webóriás mesterséges intelligencia-központú laborja – által épített GraphCast forradalmasítani fogja az időjárás előrejelzésének folyamatát.
Ajánlott videók
A GraphCast akár 10 nappal előre képes előre jelezni az időjárást „pontosabban és sokkal gyorsabban, mint az iparági aranystandard időjárás szimulációs rendszer – a High Resolution Forecast (HRES), amelyet az Európai Középtávú Időjárás-előrejelzések Központja (ECMWF) készített. Google DeepMind mondta egy bejegyzésben kedden.
Összefüggő
- A Google mesterséges intelligencia képérzékelő eszköze úgy érzi, működhet
- A Google új Bard AI-ja elég erős lehet ahhoz, hogy a ChatGPT aggodalomra ad okot – és máris megérkezett
Nevezetesen, az eszköz korábbi figyelmeztetéseket is kínálhat szélsőséges időjárási események és pontosabban megjósolják a ciklonok mozgását, így a hatóságoknak és a lakosoknak több idejük marad a pusztító viharokra való felkészülésre, és ezzel potenciálisan életeket menthetnek meg.
Amikor szeptemberben a Lee hurrikán lecsapott Kanada keleti részébe, a GraphCast pontosan előre jelezte, hogy a hurrikán Nova Scotia kilenc nappal azelőtt megtette, míg a hagyományos előrejelzések csak körülbelül hat nappal jelezték ugyanezt. előleg.
A DeepMind csapata szerint a GraphCast négy évtizedes időjárási adatokra képezte ki, lehetővé téve számára a Föld időjárási rendszerei mögött meghúzódó ok-okozati összefüggések megismerését.
Figyelemre méltó, hogy a GraphCast kevesebb mint 60 másodpercet vesz igénybe a 10 napos előrejelzés elkészítéséhez, így sokkal gyorsabb, mint a hagyományos. A HRES által használt megközelítés, amely a csapat szerint „órákig tartó számítást igényelhet egy szuperszámítógépben, ahol több száz gépek.”
A két rendszer összehasonlítása során a GraphCast pontosabb előrejelzést adott az 1380 tesztváltozó több mint 90%-ára és előrejelzési átfutási időre a HRES-hez képest.
„Amikor az értékelést a troposzférára korlátoztuk, a légkörnek a Föld felszínéhez legközelebbi 6-20 kilométer magas tartományára ahol a pontos előrejelzés a legfontosabb, modellünk a jövőbeli időjárás tesztváltozóinak 99,7%-ában felülmúlta a HRES-t” – tette hozzá a csapat. mondott.
Ahogy az időjárási minták fejlődnek a Föld folyamatosan változó éghajlatán, a GraphCast csak javulni fog, mivel jobb minőségű adatokat táplál.
A csapat nyílt forráskódú GraphCast modellkódot használ, hogy a tudósok és előrejelzők hozzáférjenek a technológiához. Ez lehetővé teszi számukra, hogy az adott időjárási jelenségekhez igazítsák, és a világ különböző részeihez optimalizálják. Az ECMWF már kipróbálja az eszközt.
A Science kedden közzétett tanulmánya részletesebb kitekintést kínál a GraphCastnél.
„A mesterséges intelligencia időjárás-előrejelzésben való használatának úttörője több milliárd ember hasznára válik mindennapi életében” – mondta a Google DeepMind. „De a szélesebb körű kutatásunk nem csak az időjárás előrejelzéséről szól, hanem az éghajlatunk szélesebb körű mintáinak megértéséről. Reméljük, hogy új eszközök kifejlesztésével és a kutatás felgyorsításával a mesterséges intelligencia képessé teheti a globális közösséget a legnagyobb környezeti kihívások leküzdésére.”
Szerkesztői ajánlások
- A Google Bard hamarosan az Ön új mesterséges intelligencia-vezetője lehet
- Ezek a Gmail, a Google Dokumentumok és a Táblázatok új AI-funkciói
- A Google új adatvédelmi eszköze tudatja Önnel, ha személyes adatai kiszivárogtak
Frissítse életmódjátA Digital Trends segítségével az olvasók nyomon követhetik a technológia rohanó világát a legfrissebb hírekkel, szórakoztató termékismertetőkkel, éleslátó szerkesztőségekkel és egyedülálló betekintésekkel.
