Изкуствен интелект на Google дава най-точните прогнози за времето
Моделът GraphCast работи по-бързо и по-прецизно от HRES
Изкуственият разсъдък към този момент оказва съществено въздействие в прогнозите за времето
(снимка: DeepMind)
Л абораторията за изкуствен интелект Гугъл DeepMind създаде система, която дава най-точните прогнози за времето в света за интервал от 10 дни, твърди разработчикът . Моделът се назовава GraphCast и работи по-бързо и по-точно от симулатора на времето HRES (High-Resolution Forecast), който се смята за промишлен стандарт.
Данните от GraphCast бяха оценени от специалисти в Европейския център за средносрочни прогнози за времето (ECMWF) – междуправителствената организация, която сформира HRES. Текущата версия на GraphCast е налична на уеб страницата на ECMWF.
През септември AI предвижда, че ураганът Лий ще удари крайбрежията на Нова Скотия, Канада, девет дни авансово, до момента в който обичайните принадлежности предвиждат единствено шест дни авансово. Освен това те се оказват по-малко точни във връзка с времето и мястото на стихиите, отбелязва The Next Web в обява за новата AI система.
може да разпознава рискови метеорологични събития, без даже да е подготвен да ги открива. С консолидиране на елементарен инструмент за следене, моделът предвижда придвижването на циклони по-точно от метода HRES. Тъй като климатът става все по-непредсказуем, навременните и точни прогнози ще бъдат от решаващо значение в опитите за справяне със опасността от естествени бедствия.
Традиционните способи за прогнозиране на времето разчитат на комплицирани физически уравнения, които се превеждат в логаритми, обработвани от суперкомпютри. Това е сложен развой, който изисква специфични познания и големи компютърни запаси.
Моделът GraphCast съчетава логаритми за машинно образование и графични невронни мрежи в архитектура за обработка на пространствено структурирани данни. За да изследва причинно-следствените връзки, системата е подготвена върху масив от метеорологична информация в продължение на 40 години.
още по темата
ECMWF е предоставила мониторингови данни от спътници, радари и метеорологични станции. Алгоритъмът обаче не подценява обичайните подходи: когато открие пропуски в наблюденията, ги запълва благодарение на физически способи.
GraphCast генерира прогнози с разграничителна дарба от 0,25° географска широчина и дължина. Земята е разграничена на милион области, всяка от които генерира прогноза с пет променливи на повърхността и шест атмосферни знака, които покриват атмосферата на планетата в три измерения на 37 равнища.
Променливите включват температура, вятър, мокрота, превалявания и налягане на морското ниво. Взима се поради и геопотенциалът – гравитационната евентуална сила на единица маса в избрана точка по отношение на морското ниво.
При тестване моделът GraphCast превъзхожда най-точните детерминистични системи с 90% върху 1380 тестови обекта. В тропосферата, долния пласт на атмосферата, прогнозите на GraphCast са по-точни от HRES за 99,7% от тестовите променливи.
В същото време моделът показва висока успеваемост: десетдневна прогноза се извършва за по-малко от минута на една машина с Гугъл TPU v4, до момента в който обичайният метод изисква няколко часа суперкомпютърна работа със стотици машини.
Въпреки впечатляващите резултати, създаването на GraphCast към момента не е приключено: моделът много тъкмо прави оценка придвижването на циклоните, само че към момента отстъпва на обичайните способи при сформиране на техните характерности.
Подобрението на модела в някои аспекти безспорно ще увеличи неговата акуратност. Google DeepMind кани всички да се причислят към плана, като за задачата разработчикът, основан в Лондон, е разгласил на модела.
Изкуственият разсъдък към този момент оказва съществено въздействие в прогнозите за времето
(снимка: DeepMind)
Л абораторията за изкуствен интелект Гугъл DeepMind създаде система, която дава най-точните прогнози за времето в света за интервал от 10 дни, твърди разработчикът . Моделът се назовава GraphCast и работи по-бързо и по-точно от симулатора на времето HRES (High-Resolution Forecast), който се смята за промишлен стандарт.
Данните от GraphCast бяха оценени от специалисти в Европейския център за средносрочни прогнози за времето (ECMWF) – междуправителствената организация, която сформира HRES. Текущата версия на GraphCast е налична на уеб страницата на ECMWF.
През септември AI предвижда, че ураганът Лий ще удари крайбрежията на Нова Скотия, Канада, девет дни авансово, до момента в който обичайните принадлежности предвиждат единствено шест дни авансово. Освен това те се оказват по-малко точни във връзка с времето и мястото на стихиите, отбелязва The Next Web в обява за новата AI система.
може да разпознава рискови метеорологични събития, без даже да е подготвен да ги открива. С консолидиране на елементарен инструмент за следене, моделът предвижда придвижването на циклони по-точно от метода HRES. Тъй като климатът става все по-непредсказуем, навременните и точни прогнози ще бъдат от решаващо значение в опитите за справяне със опасността от естествени бедствия.
Традиционните способи за прогнозиране на времето разчитат на комплицирани физически уравнения, които се превеждат в логаритми, обработвани от суперкомпютри. Това е сложен развой, който изисква специфични познания и големи компютърни запаси.
Моделът GraphCast съчетава логаритми за машинно образование и графични невронни мрежи в архитектура за обработка на пространствено структурирани данни. За да изследва причинно-следствените връзки, системата е подготвена върху масив от метеорологична информация в продължение на 40 години.
още по темата
ECMWF е предоставила мониторингови данни от спътници, радари и метеорологични станции. Алгоритъмът обаче не подценява обичайните подходи: когато открие пропуски в наблюденията, ги запълва благодарение на физически способи.
GraphCast генерира прогнози с разграничителна дарба от 0,25° географска широчина и дължина. Земята е разграничена на милион области, всяка от които генерира прогноза с пет променливи на повърхността и шест атмосферни знака, които покриват атмосферата на планетата в три измерения на 37 равнища.
Променливите включват температура, вятър, мокрота, превалявания и налягане на морското ниво. Взима се поради и геопотенциалът – гравитационната евентуална сила на единица маса в избрана точка по отношение на морското ниво.
При тестване моделът GraphCast превъзхожда най-точните детерминистични системи с 90% върху 1380 тестови обекта. В тропосферата, долния пласт на атмосферата, прогнозите на GraphCast са по-точни от HRES за 99,7% от тестовите променливи.
В същото време моделът показва висока успеваемост: десетдневна прогноза се извършва за по-малко от минута на една машина с Гугъл TPU v4, до момента в който обичайният метод изисква няколко часа суперкомпютърна работа със стотици машини.
Въпреки впечатляващите резултати, създаването на GraphCast към момента не е приключено: моделът много тъкмо прави оценка придвижването на циклоните, само че към момента отстъпва на обичайните способи при сформиране на техните характерности.
Подобрението на модела в някои аспекти безспорно ще увеличи неговата акуратност. Google DeepMind кани всички да се причислят към плана, като за задачата разработчикът, основан в Лондон, е разгласил на модела.
Източник: technews.bg
КОМЕНТАРИ