AI помага за постигането на пробив в прогнозирането на времето и климата

Изкуственият разсъдък е оказал помощ да се направи пробив в точни дълготрайни прогнози за времето и климата, съгласно проучване, което дава обещание прогрес както в прогнозирането, по този начин и в по-широкото потребление на машинното образование.

Използвайки хибрид от машинно образование и съществуващи принадлежности за прогнозиране, модел, воден от Гугъл, наименуван NeuralGCM, сполучливо впрегна AI към стандартните модели на атмосферна физика, с цел да наблюдава десетилетни климатични трендове и рискови метеорологични феномени като циклони, екип от учени откри.

Тази композиция от машинно образование с открити техники може да даде образец за рационализиране на потреблението на AI в други области от разкриване на материали до инженерен дизайн, допускат откривателите. NeuralGCM беше доста по-бърз от обичайното прогнозиране на времето и климата и по-добър от моделите единствено с AI при по-дългосрочни прогнози, споделиха те.

„ NeuralGCM демонстрира, че когато комбинираме AI с основани на физика модели, можем фрапантно възстановяване на точността и скоростта на симулациите на атмосферния климат “, сподели Стефан Хойер, старши инженер в Гугъл Research и съавтор на публикация за работата, оповестена в Nature.

В публикацията се споделя, че NeuralGCM се е оказал по-бърз, по-точен и употребява по-малко изчислителна мощ при проби против сегашен модел за прогнозиране, основан на принадлежности за атмосферна физика, наименуван X-SHiELD, който се създава от поделение на Националната администрация за океаните и атмосферата на Съединени американски щати.

В един опит, NeuralGCM разпознава съвсем същия брой тропически циклони като стандартните устройства за следене на рискови метеорологични условия и два пъти повече от X-SHiELD. В различен тест, основан на равнищата на температура и мокрота през 2020 година, процентът на неточности беше сред 15 и 50 % по-малък.

Изчисленията на NeuralGCM съумяха да генерират 70 000 симулационни дни за 24 часа, употребявайки един от персонализираните AI тензори на Гугъл обработващи единици, написа вестникът. За разлика от това, за сравними калкулации X-SHiELD генерира единствено 19 симулационни дни и се нуждаеше от 13 824 компютърни единици, с цел да го направи.

Гугъл си сътрудничи за създаването на NeuralGCM с междуправителствения Европейски център за междинен обхват Прогнози за времето (ECMWF).

Европейската група направи модела си обществено наличен през юни, а Гугъл направи кода за NeuralGCM с отворен достъп. Той употребява 80 години данни от наблюдения на ECMWF и още един разбор за машинно образование.

Звеното DeepMind на Гугъл предходната година показа модел за прогнозиране на времето единствено с изкуствен интелект, наименуван GraphCast, който превъзхожда стандартните способи за интервали до 10 дни напред.

Утвърдени организации за прогнозиране като Метеорологичната работа на Обединеното кралство също имат планове за консолидиране на машинно образование в работата си.

Питър Дюбен, началник на моделирането на земната система на ECMWF и съавтор на в най-новата публикация се споделя, че моделите, основани единствено на изкуствен интелект, са „ постоянно гледани скептично “ от специалистите, тъй като не се основават на математически уравнения, основани от физиката.

Комбинацията от основания на физика модел с модела на задълбочено образование “ наподобява получава най-хубавото от двата свята “, сподели той, добавяйки, че методът е „ огромна стъпка към климатичното моделиране с машинно образование “.

Има още „ работа за извършване “, като да вземем за пример разреши на NeuralGCM да оцени въздействието на нарастванията на CO₂ върху световните температури на повърхността, сподели Дюбен. Други области, в които моделът трябваше да бъде по-добър, включват способността му да симулира невиждани климатични условия, написа вестникът. резистентност в университета Queen Mary в Лондон, сподели, че има „ безапелационни доказателства “, че NeuralGCM е по-точен от самото машинно образование и по-бърз от модела с „ цялостна физика “. Въпреки че към момента има „ място за усъвършенстване “, опцията за неточност би трябвало да бъде измерима и надстройките би трябвало да са вероятни, предложи той.

„ Важно е, че този хибриден модел се оправя добре при улавянето на отбор от прогнози и практическото значение на това е, че може да се изведе оценка на несигурността на прогнозата, ” сподели Джон.

Гугъл се включва във все по-голям брой начинания за наблюдаване на околната среда. Той обезпечава софтуерна поддръжка за сателитна задача за следене на затоплящите планетата излъчвания на метан и сътрудници НАСА, галактическата организация на Съединени американски щати, с цел да помогне на локалните управляващи да следят качеството на въздуха.