Μοντέλο καιρού AI που χρησιμοποιεί 7.000 φορές λιγότερη ενέργεια από τα παραδοσιακά μοντέλα

Η πρόβλεψη του καιρού είναι μια από τις κρίσιμες εργασίες που αναλαμβάνουν οι πιο ισχυροί υπολογιστές μας. Απαιτεί εκατομμύρια υπολογισμούς και τεράστιες μηχανές που λύνουν εξισώσεις, οι οποίες βοηθούν στην πρόβλεψη συνθηκών όπως η θερμοκρασία, ο άνεμος και η βροχή. Είναι επίσης ένα βασικό εργαλείο για την πρόβλεψη μεγάλων καιρικών φαινομένων, τα οποία μπορούν να διαταράξουν ολόκληρες περιοχές και οικονομίες.

Το πεδίο της πρόβλεψης του καιρού συνεχίζει να βελτιώνεται ταχύτατα καθώς η τεχνολογία μας εξελίσσεται, γίνεται πιο ακριβής και αποτελεσματική. Νέα έρευνα που προέρχεται από μια συνεργασία μεταξύ του Πανεπιστημίου του Ουάσινγκτον και της Microsoft (MSFT ) Research δείχνει πώς η τεχνητή νοημοσύνη (AI) μπορεί να χρησιμοποιηθεί για αυτές τις προβλέψεις. Η νέα τεχνολογία αναλύει τα προηγούμενα καιρικά πρότυπα για να προβλέψει μελλοντικά γεγονότα και το κάνει πιο αποτελεσματικά από τα τρέχοντα μοντέλα. Με περισσότερες προόδους, θα μπορούσε επίσης να φτάσει σε ένα σημείο όπου θα είναι πολύ πιο ακριβής από τα μοντέλα της σημερινής εποχής.

Νέο Παγκόσμιο Μοντέλο Καιρού

Το νέο παγκόσμιο μοντέλο καιρού χρησιμοποιεί τα τελευταία 40 χρόνια καιρικών δεδομένων για να κάνει τις προβλέψεις του, το οποίο διαφέρει από άλλα που χρησιμοποιούν φυσικές υπολογισμούς. Το νέο μοντέλο είναι απλό και βασισμένο σε δεδομένα και μπορεί να προσομοιώσει καιρικά πρότυπα για ολόκληρο τον κόσμο. Είναι ταχύτερο και εξίσου αποτελεσματικό με τα τρέχοντα μοντέλα, τα οποία επιτυγχάνει μέσω επαναλαμβανόμενων βημάτων με κάθε πρόβλεψη

Η έρευνα δημοσιεύθηκε στο Journal of Advances in Modeling Earth Systems.

Ο Jonathan Weyn είναι ο κύριος συγγραφέας της έρευνας.

«Η μηχανική μάθηση είναι ουσιαστικά μια εξευγενισμένη εκδοχή της αναγνώρισης προτύπων», είπε ο Weyn. «Βλέπει ένα τυπικό πρότυπο, αναγνωρίζει πώς συνήθως εξελίσσεται και αποφασίζει τι να κάνει με βάση τα παραδείγματα που έχει δει στα τελευταία 40 χρόνια δεδομένων».

Το νέο μοντέλο είναι目前 λιγότερο ακριβές από τα σημερινά μοντέλα της τελευταίας τεχνολογίας, αλλά με βάση την τεχνητή νοημοσύνη, χρησιμοποιεί 7.000 φορές λιγότερη υπολογιστική ισχύ για την ανάπτυξη της ίδιας σειράς προβλέψεων. Επειδή έχει μικρότερο υπολογιστικό φορτίο, είναι ταχύτερο.

Συλλογική Πρόβλεψη

Με αυτήν την αυξημένη ταχύτητα, τα κέντρα πρόβλεψης θα μπορούσαν να εκτελέσουν πολλαπλά μοντέλα με διαφορετικές συνθήκες. Αυτό ονομάζεται «συλλογική πρόβλεψη» και χρησιμοποιείται για να κάνει προβλέψεις για eine σειρά πιθανών συνθηκών για ένα καιρικό γεγονός.

Ο Dale Durran είναι καθηγητής ατμοσφαιρικών επιστημών στο Πανεπιστήμιο του Ουάσινγκτον και συγγραφέας της έρευνας.

«Υπάρχει τόσο περισσότερη αποτελεσματικότητα σε αυτήν την προσέγγιση· αυτό είναι το σημαντικό», είπε ο Durran. «Η υπόσχεση είναι ότι θα μπορούσε να μας επιτρέψει να αντιμετωπίσουμε τα προβλήματα προβλέψης με ένα μοντέλο που είναι αρκετά γρήγορο για να εκτελέσει πολύ μεγάλες συλλογικές προβλέψεις».

Το έργο αυτό ξεκίνησε όταν ο Rich Caruana της Microsoft Research, ο οποίος είναι συνσυγγραφέας του εγγράφου, πρότεινε τη χρήση της τεχνητής νοημοσύνης για προβλέψεις καιρού με βάση ιστορικά δεδομένα. Αυτό σήμαινε ότι οι φυσικοί νόμοι δεν χρειάζονταν πλέον να βασίζονται για την πραγματοποίηση τέτοιων προβλέψεων.

«Μετά την εκπαίδευση στα προηγούμενα καιρικά δεδομένα, ο αλγόριθμος της τεχνητής νοημοσύνης είναι ικανός να βρει σχέσεις μεταξύ διαφορετικών متαβλητών που οι εξισώσεις της φυσικής δεν μπορούν να κάνουν», είπε ο Weyn. «Μπορούμε να χρησιμοποιήσουμε πολύ λιγότερες μεταβλητές και επομένως να κάνουμε ένα μοντέλο που είναι πολύ ταχύτερο».

Το μοντέλο δοκιμάστηκε με την πρόβλεψη μιας τυπικής μεταβλητής στην πρόβλεψη του καιρού. Έκανε προβλέψεις κάθε 12 ώρες για ολόκληρο τον χρόνο και το νέο μοντέλο ήταν ένα από τα κορυφαία μοντέλα σύμφωνα με το WeatherBench, το οποίο είναι ένα τεστ πρόβλεψης για προβλέψεις καιρού με βάση δεδομένα.

Οι ερευνητές πρέπει να συνεχίσουν να调節 το μοντέλο εάν πρόκειται να χρησιμοποιηθεί παράλληλα ή αντί για τα υπάρχοντα μοντέλα. Οι συγγραφείς πιστεύουν ότι αυτό θα μπορούσε να είναι μια εναλλακτική λύση για τη δημιουργία προβλέψεων καιρού στο μέλλον.