Моделі штучного інтелекту допомагають передбачати великі тропічні хвилі та океанічні течії

Команда дослідників недавно розробила модель штучного інтелекту, яка здатна прогнозувати океанічні явища, що простяг themselves на сотні миль/кілометрів, як тропічні нестабільні хвилі (TIW). Тропічні нестабільні хвилі (TIW) – це океанічне явище, яке відбувається в Тихому океані, біля екватора. Тихоокеанські TIW включають рух закривлених, трикутних хвиль, які рухаються на захід уздовж країв тропічного холодного язика – регіону тропіків, який помітно холодніше, ніж океан, що оточує його.

Екологічні чинники, які призводять до TIW, надзвичайно складні, і це явище важко прогнозувати. Прогнозування TIW традиційно проводиться за допомогою складних статистичних і фізичних моделей. Однак команда дослідників недавно розробила модель штучного інтелекту, призначену для кращого прогнозування TIW і інших океанічних явищ.

За даними Phys.org, команда дослідників була очолювана професором Лі Сяофеном з Інституту океанології Китайської академії наук (IOCAS), а також включала членів з різних китайських океанічних наук, таких як Шанхайський океанічний університет і Другий інститут океанології Міністерства природних ресурсів. Команда використала супутникові дані для розробки глибокого навчального моделі, призначеної для аналізу нестабільних хвиль, коли вони рухаються тисячами кілометрів через океан. Навіть з глобальними супутниковими даними екологічні чинники, які впливають на океанічні явища, можуть бути важкими для визначення, але мета полягає в тому, щоб моделі штучного інтелекту могли зробити кращу роботу з розшифровкою цих змінних і прогнозуванням, ніж традиційні моделі.

Глибока навчальна модель, розроблена дослідниками, використала дані про температуру поверхні моря, зібрані супутниками, аналізуючи поточні моделі і порівнюючи їх з даними про температуру поверхні моря, зібрані в попередні роки. Дослідники мали модель навченої і протестованої на приблизно дев’яти роках даних. Коли результати були проаналізовані, дослідники виявили, що модель була здатна точно і послідовно прогнозувати зміну температури поверхні моря і передбачати тимчасові і просторові варіації в TIW в результаті.

Дослідження свідчить про те, що моделі штучного інтелекту, підтримувані великими наборами даних, можуть бути надійним способом прогнозування навіть деяких з найбільш складних явищ в океані.

“Моделі, засновані на штучному інтелекті, статистичні моделі і традиційні числові моделі можуть доповнювати один одного і надавати новий погляд на вивчення складних океанічних особливостей”, – пояснив Лі Сяофен за даними Phys.

Сподівається, що коли модель буде вдосконалена і уточнена, вона допоможе в прогнозуванні великих хвиль і штормів, що має практичне застосування для систем навігації океану і прогнозування сильних погодних явищ, які можуть завдати шкоди прибережним містам. Цей тип досліджень особливо цінний у світі, де зміна клімату змінює рух океанічних течій і їх взаємодію з навколишнім середовищем. Дослідження, проведене Лі Сяофеном і колегами, є частиною зростаючої тенденції використання алгоритмів штучного інтелекту і супутникових даних для вивчення і прогнозування руху океанічних течій і пов’язаних з ними явищ.

Як інший приклад використання штучного інтелекту для відстеження і прогнозування океанічних явищ, на початку цього року команда дослідників з Плімутської морської лабораторії і Університету Егейського моря опублікувала дослідження, яке вивчає, як алгоритми машинного навчання і супутникові дані можуть бути використані для визначення областей концентрації пластикових відходів і відстеження їх поширення.

Команда взяла супутникові зображення пластикових відходів і навчала систему ідентифікації зображень, щоб побачити, чи може система точно розрізняти плями пластикових відходів від дерева, водоростей і інших природних плаваючих об’єктів. За результатами дослідження алгоритм був здатний правильно ідентифікувати сміття приблизно 86% часу. Дослідники хочуть вдосконалити модель і створити систему, яка могла б сприяти ідентифікації і очистці пластикових відходів уздовж берегів і річок.