Keeawayt
- Tekoäly selaa läpi v altavia määriä tietoa luodakseen tarkempia sääennusteita.
- Ison-Britannian sääpalvelu on kehittänyt tekoälytyökalun, joka voi ennustaa tarkasti sateen todennäköisyyden seuraavan 90 minuutin aikana.
- Spire Global on yritys, joka käyttää jo tekoälyä ennusteiden parantamiseen.
Seuraava sääpäivityksesi saattaa olla tulossa tekoälyn (AI) ansiosta.
Ison-Britannian kansallinen sääpalvelu on kehittänyt tekoälytyökalun, jonka se väittää ennustavan tarkasti sateen todennäköisyyden seuraavan 90 minuutin aikana. Tarkkojen sääennusteiden tekeminen on haastava ongelma, joka on vastustanut vuosituhansia vaivaa. Mutta tutkijat toivovat tekoälyn mullistavan sääennusteen.
"Kaikki sääherkät teollisuudenalat etsivät tapoja käyttää tekoälyä turvallisuuden ja toiminnan parantamiseen", Renny Vandewege, data-analytiikkayrityksen DTN:n säätoimintojen varajohtaja, kertoi Lifewirelle sähköpostihaastattelussa. "Esimerkiksi laitokset käyttävät tekoälyä tunnistaakseen ja ennustaakseen verkon joustavuutta ja mahdollisia katkoksia."
Nowcasting Rain
Lontoo tunnetaan synkistä taivaista, mutta ainakin sinulla voi olla parempi varoitus, kun sadetus alkaa. Tekoälyyritys DeepMind on yhteistyössä Ison-Britannian kansallisen sääpalvelun kanssa kehittänyt syväoppimistyökalun nimeltä DGMR ennustamiseen.
Asiantuntijat arvioivat DGMR:n ennusteet parhaiksi useissa eri tekijöissä, mukaan lukien sen ennusteet sateen sijainnista, laajuudesta, liikkeestä ja voimakkuudesta - 89 % ajasta äskettäin julkaistun artikkelin mukaan. Nature-lehti. Yritys kutsuu tekniikkaa "nowcastingiksi", koska se on niin ajankohtainen.
"Käytämme generatiivisena mallinnuksena tunnettua lähestymistapaa tehdäksemme yksityiskohtaisia ja uskottavia ennusteita tulevaisuuden tutkasta menneiden tutkien perusteella", DeepMind kirjoitti verkkosivuillaan. "Käsitteellisesti tämä on tutkaelokuvien luomisen ongelma. Tällaisilla menetelmillä voimme molemmat tallentaa tarkasti suuren mittakaavan tapahtumat ja samalla luoda monia vaihtoehtoisia sadeskenaarioita (tunnetaan ensemble-ennusteina), mikä mahdollistaa sateen epävarmuuden tutkimisen."
Appu Shaji, tekoälytutkija, joka ei osallistunut DeepMind-tutkimukseen, kutsui yrityksen työtä "vaikuttavaksi" Lifewiren sähköpostihaastattelussa.
"Nämä työt ovat kuitenkin vielä lapsenkengissään, ja meidän pitäisi odottaa näkevämme huomattavaa edistystä tarkkuudessa ja ennustemahdollisuuksissa tulevina vuosina", hän lisäsi.
Kaaoksen ennustaminen
Sää on kaoottinen prosessi, jota on vaikea ennustaa tarkasti.
"Kehittyneet säämallit ja teknologia, kuten tekoäly, parantavat ennustamista, jotta voimme paremmin suunnitella, valmistautua ja vähentää sääilmiöiden vaikutuksia", Vandewege sanoi.
Kehittyneet säämallit ja teknologiat, kuten tekoäly, parantavat ennustamista, jotta voimme paremmin suunnitella, valmistautua ja vähentää sääilmiöiden vaikutuksia.
"Sääilmiöiden yleistyessä ja äärimmäisissä olosuhteissa tarkkojen ennusteiden ja pidemmän toimitusajan ansiosta yrityksillä, yhteisöillä ja yleisöllä on enemmän aikaa ja enemmän tietoa tehdä parempia päätöksiä."
Sääsimulaatioita ajetaan tällä hetkellä tietokonemalleilla, Intelin tekoälyasiantuntija Vikram Saletore kertoi Lifewirelle sähköpostihaastattelussa. Mutta hänen mukaansa säämalleja on ajettava usein ympäristön muuttuessa tarkan ennustamisen varmistamiseksi.
"Tekoäly parantaa sääennusteita dramaattisesti mahdollistamalla ja nopeuttamalla merkittävästi näiden simulointiympäristöjen ottamista vastaan v altavia määriä historiallisia malleja nykyisen ympäristön avulla ja suorittamalla ennusteita mahdollisista tuloksista", Saletore lisäsi.
Spire Global on yritys, joka käyttää jo tekoälyohjelmia ennusteiden parantamiseen. PredictWind-ohjelma tarjoaa tuuliennusteita merenkulun ja vapaa-ajan urheilun käyttäjille käsittelemällä satelliittitietoja tietokonealgoritmeilla.
"Ilmastonmuutos lisää äärimmäisten sääolosuhteiden todennäköisyyttä ja globaalit toiminnot avaavat yrityksiä säähäiriöiden uhalle kaikkialla maailmassa", sanoi Matthew Lennie, tekoälyasiantuntija Spire Global, Lifewirelle sähköpostihaastattelussa.
Tietokoneteho on ollut pullonkaula sääennusteille. Tämän seurauksena jotkin tehokkaimmista supertietokoneista on rakennettu erityisesti ennustelukujen murskaukseen.
"AI:lla on hämmästyttävä mahdollisuus vähentää tätä riippuvuutta tehokkaista moottoreista ja mahdollisesti käyttää näitä malleja saadakseen yhtä hyviä tai parempia tuloksia huomattavasti pienemmällä laskentakuormalla", Shaji sanoi. "Syväoppiminen ei yritä ratkaista näitä kaavoja suoraan, vaan ennustaa niitä havaittavien kuvioiden perusteella."
Tekoälymenetelmä on samanlainen kuin kuinka osakemarkkinasijoittajat tarkkailevat kuvioita pitkiä aikoja, Shaji huomautti. "Syvä oppiminen on tarkempaa", hän lisäsi. "Mallien ennustetarkkuus ja kyky paranevat tulevaisuudessa."
