Thunderbolt op Indonesië gezien vanuit het internationale ruimtestation
NASA Earth Observatory / International Space Station (ISS)
Een AI -weerprogramma dat voor één seconde op het bureaublad draait, komt overeen met de nauwkeurigheid van de traditionele predit, die uren of dagen duurt op sterke supercomputers, claimt zijn fabrikanten.
De weersvoorspelling, uit de jaren 1950, hangt af van op natuurkunde gebaseerde modellen die naar buiten zijn van observaties die zijn gemaakt met satelliet-, ballon- en weerstations. Deze berekeningen, bekend als de weersvoorspelling (NWLUP), zijn echter afhankelijk van extreem intensieve en brede, dure en energie-hongerige supercomputers.
In de afgelopen jaren hebben onderzoekers geprobeerd dit proces te vergemakkelijken door AI toe te passen. Google -wetenschappers hebben vorig jaar een AI -tool ontwikkeld die kleine delen van complexe codes in elke kamer van een weermodel kunnen vervangen, computerkracht kan dramatisch nodig zijn. Dipmind ging later verder en gebruikte AI om de gehele voorspelling te vervangen. Deze methode is overgenomen door het European Center for Medium-Range Weather Forecast (ECMWF), dat Een apparatuur ingeschakeld Kunstmatige intelligentie -voorspellingen zeggen vorige maand.
Deze geleidelijke uitbreiding van de rol van AI in de weersvoorspelling is echter dat al het traditionele minder wordt verminderd in plaats van het aantal scissing-een nieuw model dat ervan is gemaakt Richard Turner Cambridge University en zijn collega’s proberen te veranderen.
Turner zegt dat het vorige werk beperkt was tot voorspellingen, en een stap genaamd Start is verstreken, waar de gegevens van satellieten, ballonnen en weerstations over de hele wereld worden verzameld, schoongemaakt, gemanipuleerd en geïntegreerd in een georganiseerd rooster dat kan beginnen. Turner zegt: “Dit is eigenlijk een halve tellen.”
Onderzoekers creëerden een model genaamd Ardavark -weer dat zowel de voorspelling als de initialisatie voor het eerst verving. Het gebruikt slechts 10 procent van de invoergegevens die bestaande systemen doen, maar kan vergelijkbare resultaten bereiken met de nieuwste NWLUP -voorspelling, rapporterend in een onderzoek door hun procedure te evalueren aan Turner en zijn collega’s.
Het creëren van een volledige voorspelling, die een paar uur of zelfs een paar dagen kan duren naar de krachtige supercomputer voor de NWLUP -voorspelling, kan op een enkele desktopcomputer worden gedaan door Ardavark in ongeveer 1 seconde te gebruiken.
Ardavark gebruikt echter een roostermodel van het aardoppervlak met 1,5 ° C, aan de andere kant ECMWF’s ERA 5 met behulp van een rooster met cellen Zo klein als 0,3 gradenDe Dit betekent dat het model van Ardavark erg dik is om complexe en onverwachte weerpatronen op te pakken, zei David Shultz Aan de Universiteit van Manchester in het VK.
“Er zijn hier veel onopgeloste dingen aan de gang die je voorspelling kunnen blazen.” “Ze vertegenwoordigen helemaal niet het ultieme dat ze het niet op deze schaal kunnen oplossen.”
Turner betoogde dat Ardavark enkele bestaande modellen zou kunnen verslaan bij het oppakken van abnormale gebeurtenissen zoals cycloon, en het levert vergelijkbare resultaten op met de NWLUP -voorspelling. Hij erkende echter dat de AI -modellen ook volledig afhankelijk zijn van die modellen op basis van fysica voor training. “Als u hun trainingsgegevens wegneemt en observatiegegevens alleen gebruikt om te trainen, werkt het helemaal niet”, zei hij. “We hebben geprobeerd dit te doen en zijn vol natuurkunde, maar het was niet effectief.”
Hij is van mening dat de toekomst van de weersvoorspelling mogelijk is dat wetenschappers altijd werken aan meer accurate modellen op basis van fysica, die later worden gebruikt om AI -modellen te trainen die hun output repliceren met snelle en lage hardware. Sommige zijn optimistischer over de mogelijkheid van AI.
Nikita Gurianov Aan de Universiteit van Oxford wordt aangenomen dat AI na verloop van tijd weersvoorspellingen kan maken, die NWLUP daadwerkelijk overschrijden. Ze zullen alleen worden getraind op observationele en historische weersinformatie, waardoor een volledig onafhankelijke juiste voorspelling van NWLUP wordt gecreëerd, zegt hij. “Dit is een vraag op de schaal, maar ook een kwestie van slimheid. Hoe voer je gegevens – en je moet slim zijn met hoe je een neuraal netwerk vormt.”
Onderwerp:
