Az időjárás előrejelzés jelentősen profitált a technológia fejlődésétől az elmúlt évszázadban, de sokan úgy gondolják, hogy még mindig van hova fejlődni. Az elvárható időjárási körülmények ismerete sokszor az élet és halál közötti különbséget jelenthet súlyos időjárási események esetén. Ezért szakértők olyan módszereket keresnek, amelyekkel pontosabb előrejelzéseket készíthetnek, és a mesterséges intelligencia (MI) ennek bizonyul segítőkész eszköznek.
Most a Google DeepMind nevű mesterséges intelligencia kutató laboratóriuma létrehozott egy olyan gépi tanulási modellt (MLM), amely éppen azt mutatja be, mennyire hasznos tud lenni.
Azon a tanulmányon, amelyet november 14-én tettek közzé a Science című folyóiratban, világítanak rá a GraphCast-ra, a DeepMind által kifejlesztett MLM-re, amely megbízhatóbb időjárás-előrejelzések készítésére szolgál. Annak érdekében, hogy a GraphCast minél pontosabb legyen, a MLM-et arra képezték ki, hogy újraelemezze a korábbi időjárási adatokat az előrejelzések készítése érdekében.
Jelenleg sok szakértő a numerikus időjárási előrejelzéseket (NWP) használja az előrejelzések elkészítéséhez. Bár nincs ebben semmi alapvetően rossz, az kétségtelenül lassabb megközelítés, mint a mesterséges intelligencia felhasználása a történelmi időjárási adatok elemzésére és hasonló előrejelzések készítésére.
A DeepMind a GraphCast képzését a 1979 és 2017 közötti globális időjárási adatok felhasználásával kezdte el. Ez segítette a változók, például a szél, hőmérséklet és légnyomás megértésében. Jelenlegi formájában a GraphCast most már az időjárási becsléseket használja a legutóbbi 6 órából és a globális időjárás "jelenlegi" állapotából történő előrejelzéshez.
A tesztelés során a DeepMind a GraphCast-nak 2018-as globális időjárási becsléseket adott meg, hogy előrejelzést készítsen 10 napra előre. A kutatók felfedezték, hogy az előrejelzések pontosabbak voltak, mint amit a High RESolution Forecasting System (HRES), egy NWP változat szállított. Emellett csak néhány másodpercbe telt a generálás, szemben az órák alatt szükséges HRES-sel. Amikor a GraphCast megbízhatóságát vizsgálták a súlyos időjárás előrejelzésében, például trópusi ciklonok esetén, a DeepMind ígéretes eredményeket látott.
Kattintson ide a Telefonguru legfrissebb híreiért!
Azonban a kutatók elismerik, hogy az MLM-nek még további tesztelésre van szüksége annak meghatározásához, hogy más metrikák hogyan befolyásolhatják a változó eredményeket.
Amint a Google mesterséges intelligencia kutatólaboratóriuma előrelépéseket tesz, a cég folytatja az időjárás előrejelzési megközelítésének fejlesztését általánosságban. Például 2023 júniusában elkezdte felhasználni az Amerikai Nemzeti Óceán- és Légtani Hivatal (NOAA) MRMS és HRRR érzékelőrendszerének adatait a Google Weather számára. Ezen információk segítségével a Weather alkalmazás felhasználói pontosabb 12 órás előrejelzéseket kapnak. A cég emellett kifejlesztett egy Nowcast nevű funkciót, amelyet kifejezetten a súlyos időjárásra hoztak létre. A Nowcast adatai percről percre változnak, ami azt jelenti, hogy a felhasználók megbízhatnak benne sürgős időjárási információk elérhetőségével, amint azok kialakulnak.
Lehet, hogy csak az esőzéseket elkerülve hasznosnak gondolod az előrejelzést, de a Google tudja, hogy többet is tud nyújtani, mint amikor elő kell kapni az esernyőt. A pontosabb előrejelzések generálásával az MLM-ek, mint a GraphCast, az egyik legértékesebb mesterséges intelligencia eszköz lehetnek. Jelenleg a Google időjárási szolgáltatása elérhető a legújabb Pixel eszközökön, ideértve a Pixel 8 Pro-t és a Pixel Fold-ot.
A Samsung, a Google és az Apple is a mesterséges intelligenciát állítja új készülékei középpontjába. Mennyire fontosak Önnek a telefon AI-funkciói vásárláskor?
Honlapunk oldalain található információk és számítások a piacon elérhető adatokon alapszanak.
Sajnos mi sem vagyunk tévedhetetlenek, és az adatközlők sem. Az esetleges pontatlanságokért valamint az adatok felhasználásból eredő károkért felelősséget nem tudunk vállalni.
A Telefonguru oldalainak másodközlése csak a tulajdonos engedélyével lehetséges!
