Olyan hibrid modellt készítettek a Google kutatói, mely nem kizárólag a mesterséges intelligenciára épül, hanem a jelenleg alkalmazott technológiákból is merít.
Egyre több technológiai nagyvállalat fejleszt olyan modelleket, melyek jelentős változásokat ígérnek az időjárás-előrejelzések terén, s az előrejelzések készítésében fontos szerepet kap most már a mesterséges intelligencia is. A Google, a Microsoft és több más technológiai vállalat által fejlesztett modellek az időjárás-előrejelzésre vagy az extrém időjárási események prognosztizálására az első tesztek alapján ígéretesek, esetenként a hagyományos időjárási modelleket is túlszárnyalják, de még érik kritikák is az MI-alapú technológiát. Egy teljesen új megközelítés azonban még közelebb hozhatja az MI-t és a hagyományos időjárási modelleket.
A Google egy új fejlesztésében a hagyományos időjárás-előrejelző technológiát ötvözte a gépi tanulással, melynek eredménye egy olyan hibrid számítógépes modell, mely felülmúlja a többi MI-alapú eszközt az időjárás-előrejelzésekben, valamint az éghajlati események prognosztizálásában. Ezt NeuralGCM-nek nevezték el.
Ez az első olyan gépi tanuláson alapuló modell, mely képes több lehetséges forgatókönyvet is felvázolni az időjárással kapcsolatban. Ráadásul az új, hibrid technológia a hagyományos időjárási modelleknél gyorsabb, kevesebb energiát igényel, és a kizárólag MI-alapúaknál részletesebb eredményekkel tud szolgálni.
A hagyományos, a meteorológiában jelenleg is használt megoldások a fizikai törvények alapján szimulálják a légkörben és az óceánokban végbemenő folyamatokat, és vázolják fel, hogy ezek hogyan befolyásolják az időjárást vagy az éghajlatot.
A tanulmány társszerzője elmondta: „Több terrabájtnyi vagy petabájtnyi történelmi időjárási adattal rendelkezünk. Az ezekben lévő mintázatokból tanulva jobb modelleket fejleszthetünk".
A NeuralGCM azáltal, hogy kiegészíti a hagyományos, fizikai modellek képességeit néhány MI-komponenssel, képes rövid és hosszú távú előrejelzéseket, valamint az éghajlatot érintő prognózisokat készíteni. Annak ellenőrzésére, hogy mennyire pontos, az előrejelzéseket összevetették fizikai és tisztán gépi tanuláson alapuló modellek eredményeivel, valamint valós adatokkal is.
Kiderült: a NeuralGCM pontos rövid távú időjárás-előrejelzéseket tud készíteni akár három napra előre is, miközben a hgyományos fizikai modellek által igényelt energia töredékére volt szüksége. A tisztán gépi modelleknél pedig lényegesen kevesebb hibát vétett a hét napon túli prognózisok terén.
Több technológiai vállalat fejlesztett már modelleket az időjárás-előrejelzésre vagy az extrém időjárási események prognosztizálására – fotó: Pixabay
Az eredményei nagyon hasonlóak voltak az időjárás-előrejelzés aranysztenderdjeként számon tartott ECMWF-ENS modelléhez.
A kutatók azt is megvizsgálták, hogy a NeuralGCM mennyire teljesít jól a különféle időjárási jelenségek, például a trópusi ciklonok előrejelzésében. Kiderült: sok gépitanulás-modell következetlen és pontatlan előrejelzést adott, szemben az ECMWF-ENS-szel és a NeuralGCM-mel. A hibrid modell realisztikusabban és gyorsabban tudja előre jelezni a ciklonok kialakulását és irányát, ami nagyon fontos olyan szempontból, hogy az illetékesek időben meg tudják hozni a megfelelő döntéseket egy extrém időjárási esemény előtt.
Forrás: hvg.hu
_fill_540x300_0.jpg)
