Η πρόγνωση των καιρικών συνθηκών είναι κάτι που απασχολεί καθημερινά τους ανθρώπους. Ωστόσο, δεν είναι μόνο ο καιρός των επόμενων ημερών που οι μετεωρολόγοι προσπαθούν να βρουν.
Δείτε επίσης: Η Google ασκεί έφεση κατά του προστίμου της Ευρωπαϊκής Επιτροπής
Εκτός από τις μακροπρόθεσμες προβλέψεις, τα μοντέλα καιρού συχνά αναλαμβάνουν την πρόβλεψη μετεωρολογικών συνθηκών μέσα στις επόμενες ώρες, γνωστό ως «Nowcasting». Στην εταιρεία τεχνητής νοημοσύνης που υποστηρίζεται από την Google DeepMind, οι ερευνητές έχουν κάνει τώρα ένα σημαντικό βήμα προς τα εμπρός στην ακρίβεια της πρόγνωσης του Nowcasting.
Οι βραχυπρόθεσμες καιρικές προβλέψεις, είναι πιο σημαντικές από ότι ίσως πιστεύουμε, αφού είναι ιδιαίτερα χρήσιμες για τον προγραμματισμό μεγάλων εκδηλώσεων, τις υπηρεσίες μεταφορών, την αντιμετώπιση φυσικών καταστροφών, τη διατήρηση της γεωργία και πολλά ακόμα.
Το νέο μοντέλο κατατάσσεται πρώτο στην ακρίβεια και τη χρησιμότητα στο 89 τοις εκατό των περιπτώσεων, σε σύγκριση με δύο ανταγωνιστικές μεθόδους. Χρησιμοποιεί έναν τύπο μηχανικής μάθησης που ονομάζεται γενετική μοντελοποίηση, η οποία είναι σε θέση να παράγει νέα σημεία δεδομένων αφού εκπαιδευτεί σε υπάρχοντα.
Η πρωταρχική δουλειά του νέου μοντέλου, που ονομάζεται DGMR (Deep Generative Model of Rainfall), είναι να προβλέψει την πιθανότητα βροχόπτωσης τις επόμενες μία έως δύο ώρες και έλαβε έγκριση από περισσότερους από 50 μετεωρολόγους στο Met Office στο Ηνωμένο Βασίλειο.
Δείτε ακόμα: DeepMind AI: Έλυσε ένα μυστήριο δεκαετιών σχετικά με τις πρωτεΐνες!
“Αυτή η συνεργασία μεταξύ της περιβαλλοντικής επιστήμης και της τεχνολογίας AI, επικεντρώνεται στη μέθοδο value for disition-making, ανοίγοντας νέους δρόμους στο Nowcasting των βροχοπτώσεων και επισημαίνει τις ευκαιρίες του AI στη στήριξη της απόκρισής μας στις προκλήσεις λήψης αποφάσεων σε ένα περιβάλλον υπό συνεχή αλλαγή
” γράφει η ομάδα DeepMind Nowcasting σε μια ανάρτηση ιστολογίου.Οι ερευνητές πίσω από το DGMR περιγράφουν τη δημιουργία μικρών «ταινιών ραντάρ» που δημιουργούν μελλοντικά πρότυπα ραντάρ από παλαιότερα.
Πολλά τρέχοντα εργαλεία, συμπεριλαμβανομένων των pySTEPS, κάνουν χρήση αριθμητικών προσεγγίσεων πρόβλεψης καιρού (NWP) – ουσιαστικά θέτουν σε λειτουργία μαθηματικά μοντέλα στις τρέχουσες συνθήκες για να καταλάβουν πώς θα είναι οι μελλοντικές συνθήκες. Αυτά είναι ισχυρά μοντέλα, αλλά είναι πιο ακριβή μακροπρόθεσμα.
Το DGMR στοχεύει να αξιοποιήσει την τεράστια δύναμη της τεχνητής νοημοσύνης, αφαιρώντας παράλληλα την ασάφεια στα υπάρχοντα μοντέλα πρόβλεψης που βασίζονται στην μηχανική μάθηση, συμπεριλαμβανομένου του U-Ne, καθώς αυτά τα μοντέλα μπορούν να δυσκολευτούν να διατηρήσουν την ακρίβεια σε κάθε μέρος της διαδικασίας.
Δείτε επίσης: Τεχνητή Νοημοσύνη (AI): Τί είναι και πόσο έχει εξελιχθεί μέχρι σήμερα;
Τώρα που το νέο και βελτιωμένο μοντέλο της DeepMind έλαβε έγκριση από τους πραγματικούς μετεωρολόγους στο Ηνωμένο Βασίλειο, οι ερευνητές μπορούν να εξετάσουν την ενσωμάτωσή του στα υπάρχοντα συστήματα πρόβλεψης καιρού.
Φυσικά θα χρειαστεί λίγος ακόμα χρόνος και περεταίρω βελτίωση, μέχρι η νέα μέθοδος να είναι απόλυτα ακριβής.
Η έρευνα δημοσιεύτηκε στο Nature.