Google DeepMind'ın yeni yapay zeka modeli GenCast, geleneksel meteorolojiyle rekabet edebilecek kadar doğruluğa sahip. Son yayınlanan bir araştırmaya göre, 2019 verileri kullanılarak yapılan testlerde önde gelen bir tahmin modelini geride bıraktı. 🌦️✨

Yapay zeka yakın gelecekte geleneksel meteorolojinin yerini almayacak, ancak hava durumunu tahmin etmek ve halkı şiddetli fırtınalar konusunda uyarmak için değerli araçlar sunabilir. GenCast, birkaçından biridir Geliştirme aşamasındaki AI modelleri Bu da daha doğru tahminlere yol açabilir. 🤖⛈️

"İklim hayatımızın hemen hemen her alanını etkiliyor... ve aynı zamanda en büyük etkenlerden biri. bilimsel zorluklar DeepMind'da kıdemli bir bilim insanı olan Ilan Price, "öngör" diyor. "Google DeepMind, Yapay zekayı faydaya yönelik geliştirmek İnsanlığın. "Bunun o anlamda önemli bir yol, önemli bir katkı olduğunu düşünüyorum." 🌈📊

Price ve ekibi, Avrupa Orta Vadeli Hava Tahminleri Merkezi tarafından yönetilen dünyanın en gelişmiş tahmin modellerinden biri olan ENS sistemine karşı GenCast ile testler gerçekleştirdi.ECMWF). Araştırmaya göre GenCast, ENS 97.2%'yi zaman açısından geride bıraktı. bu hafta dergide yayınlandı Doğa. 📈🧐

GenCast, 1979'dan 2018'e kadar olan iklim verileri üzerinde eğitilen, makine öğrenimi tabanlı bir hava durumu tahmin modelidir. Bu model, kırk yıllık geçmiş verilerdeki kalıpları tanımayı öğrenir ve bu bilgileri gelecekte ne olabileceğini tahmin etmek için kullanır. Bu, karmaşık denklemleri çözmek ve atmosferin fiziğini simüle etmek için hala süper bilgisayarlara güvenen ENS gibi geleneksel modellerin çalışma biçiminden oldukça farklı. Hem GenCast hem de ENS üretiyor tahminler bir bütün olarakÇeşitli olası senaryolar sunan. 🌌🌪️

Örneğin, GenCast tropikal bir siklonun yolunu tahmin ederek ortalama 12 saat önceden uyarı sağlayabiliyor. GenCast, genellikle siklon yollarını, aşırı hava olaylarını ve rüzgar enerjisi üretimini 15 güne kadar önceden tahmin etmede daha iyidir. 🌪️⏳

Bir uyarı, GenCast'in artık ENS'nin daha eski bir sürümüne karşı test edilmiş olmasıdır. daha yüksek çözünürlük. Hakemli araştırmada, GenCast'in tahminleri 2019'a ilişkin ENS tahminleriyle karşılaştırılarak, her bir modelin o yılki gerçek koşullarla ne kadar uyumlu olduğu analiz ediliyor. ECMWF Makine Öğrenimi Koordinatörü Matt Chantry'ye göre ENS sistemi 2019'dan bu yana önemli ölçüde iyileşti ve bu da GenCast'in günümüz ENS'siyle nasıl karşılaştırılacağını değerlendirmeyi zorlaştırıyor. 🔍📉

Sağlam tahminlerde bulunmada çözünürlüğün tek başına önemli bir faktör olmadığı açıktır. ENS, 2019 yılında zaten GenCast'ten biraz daha yüksek çözünürlükte çalışıyordu, ancak GenCast yine de onu geçmeyi başardı. DeepMind, 2020-2022 yıllarına ait verilerle benzer çalışmalar yürüttüğünü ve benzer sonuçlar bulduğunu iddia ediyor, ancak bu çalışmalar hakem denetiminden geçmemiş durumda. Ancak ENS'nin önemli ölçüde daha yüksek çözünürlükte çalışmaya başlayacağı 2023 yılı için karşılaştırılabilecek veri bulunmuyordu. 📊📈

Dünyayı bir şebekeye bölen GenCast, 0.25 derecelik bir çözünürlükte çalışıyor; yani şebekedeki her bir kare, çeyrek derece enlem ve çeyrek derece boylam ölçüyor. Buna karşılık ENS 2019 yılında 0,2 derecelik bir çözünürlük kullanmıştı ve şu an 0,1 derecedir. 🌍🗺️

Ancak Chantry, e-postayla gönderdiği açıklamada, GenCast'in geliştirilmesinin "hava durumu tahmininin evriminde önemli bir dönüm noktası" olduğunu söyledi. ENS'nin yanı sıra ECMWF de kendi versiyonunu yürütüyor makine öğrenme sistemi. Chantry, "GenCast'ten ilham aldığını" söylüyor. 🌟🤓

Hız GenCast için bir avantajdır. Tek bir Google Cloud TPU v5 kullanarak sadece sekiz dakikada 15 günlük bir tahmin oluşturabilirsiniz. ENS gibi fizik tabanlı modellerin aynısını yapması birkaç saat sürebilir. GenCast, ENS'nin çözmesi gereken tüm denklemleri ortadan kaldırır; bu da bir tahmin üretmek için daha az zaman ve işlem gücü gerektirmesini açıklar. ⚡️💻

"Hesaplama açısından, çok daha pahalıdır Geleneksel tahminleri bir modele karşı çalıştırın Price, "GenCast gibi" diyor. 💰📉

Bu verimlilik, son yıllarda Google'ın sera gazı emisyonlarının artmasına neden olan yapay zeka veri merkezlerinin çevreye olan etkisiyle ilgili bazı endişelerin hafifletilmesine yardımcı olabilir. Ancak makine öğrenimi modelini eğitmek için ne kadar enerji kullanıldığını bilmeden, GenCast'in sürdürülebilirlik açısından fizik tabanlı modellerle nasıl karşılaştırıldığını değerlendirmek zordur. 🏭♻️

GenCast'in daha yüksek çözünürlüğe ölçeklenebilme yeteneği de dahil olmak üzere yapabileceği bazı iyileştirmeler var. Ayrıca GenCast, geleneksel modellerin genellikle daha kısa aralıklarla tahminler yayınlamasına kıyasla tahminleri 12 saatlik aralıklarla yayınlıyor. Bu, tahminlerin gerçek dünyada nasıl kullanılabileceğini etkileyebilir (örneğin, ne kadar rüzgar gücünün mevcut olacağını değerlendirmek için) 🌪️⚡️.

GenCast araştırmasında yer almayan, Florida Üniversitesi'nde meteoroloji yardımcı doçenti olan Stephen Mullens, "Rüzgarın sadece sabah 6'da ve akşam 6'da değil, gün boyunca nasıl davranacağını bilmek istersiniz" diyor. 🌞🌬️

Yapay zekanın tahminleri iyileştirmek için nasıl kullanılabileceğine yönelik ilgi giderek artıyor ancak henüz etkinliğini kanıtlaması gerekiyor. "İnsanlar buna bakıyor. Meteoroloji camiasının tamamının buna ikna olduğunu sanmıyorum," dedi Mullens. "Biz fizik açısından düşünen eğitimli bilim insanlarıyız... ve yapay zeka temelde fizik olmadığı için, 'Bu iyi mi? Ve neden?' diye sorduğumuz bir unsur hâlâ var." 🤷‍♂️⚖️

Tahminciler GenCast'i kendileri deneyebilirler; DeepMind yayınladı kod açık kaynak kodlu modelinden. Price, GenCast ve diğerlerini gördüğünü söylüyor geliştirilmiş AI modelleri Geleneksel modellerin yanında gerçek dünyada da kullanılıyor. Price, "Bu modeller profesyonellerin eline geçtiğinde daha fazla güven ve inanç oluşuyor" diyor. "Bunun gerçekten geniş bir toplumsal etki yaratmasını istiyoruz." 🌍💡