Pozrite si
Na predpoveď počasia už nemusíme čakať kým príde koniec správ. Môžeme si ju pozrieť kedykoľvek v jednej z množstva aplikácií, ktoré sú veľmi dobré.
V tomto obore je čoraz väčším pomocníkom umelá inteligencia. Dokáže predpovedať presnejšie a oveľa rýchlejšie. Zdá sa, že najďalej pokročil Google so svojim DeepMind.
Google totiž tvrdí, že jeho nový systém umelej inteligencie dokáže prekonať európsky model v prognózach – minimálne o týždeň, no mnohokrát aj dlhšie. Systém DeepMind dostal označenie GenCast. Spája viaceré výpočtové postupy v oblasti atmosféry s modelom difúzie, ktorý sa bežne používa v generatívnej AI. Výsledkom je systém, ktorý si zachováva vysoké rozlíšenie s tým, že podstatne znižuje náklady.
Obsah pokračuje pod reklamou
Štandardné výpočtové postupy majú oproti systémom AI niekoľko výhod. Sú priamo založené na atmosférickej fyzike a počítajú so zákonitosťami, ktoré riadia správanie počasia. Niektoré detaily vypočítavajú spôsobom, ktorý je priamo informovaný empirickými údajmi. Spúšťajú sa aj ako súbory, čo znamená, že sa spúšťajú viaceré činitele modelu. Kvôli nepredvídateľnej povahe počasia sa postupne rozchádzajú, čo prináša mieru neistoty predpovede.
Google sa pokúsil zlúčiť niektoré aspekty štandardných modelov s AI. Použil tradičný model atmosférickej cirkulácie, rozdelil zemský povrch na mriežku buniek – no na predpovedanie správania každej bunky nasadil systémy AI. To prinieslo oveľa lepší výpočtový výkon, ale na úkor relatívne veľkých buniek mriežky, čo malo za následok pomerne nízke rozlíšenie. Na základe predpovedí počasia AI sa DeepMind rozhodol preskočiť fyziku a namiesto toho prijať schopnosť prevádzkovať súbor.
Gen Cast je založený na modeloch difúzie, ktoré majú podstatnú a užitočnú funkciu. Tieto modely sú trénované tak, že sa začínajú zmesou originálu – obrázka, textu, vzoru počasia – a potom variáciou, kde je pridaný šum. Systém má vytvárať variáciu analógovej verzie, ktorá sa približuje originálu.
Cieľom sú realistické údaje o počasí, systém berie vstup čistých dát a vyvíja ho na základe aktuálneho stavu atmosféry (a nedávnej histórie). V prípade dlhodobejších predpovedí „história“ zahŕňa skutočné údaje aj predpokladané údaje z predchádzajúcich predpovedí. Systém sa pohybuje vpred v 12-hodinových krokoch, takže predpoveď na tretí deň bude zahŕňať počiatočné podmienky, skoršiu históriu a dve predpovede z prvého a druhého dňa.
Takéto riešenie je užitočné pri vytváraní kompletnej predpovede, pretože do nej môžete pridávať rôzne vzory ako vstup a každý bude produkovať mierne odlišný výstup údajov o počasí. Slúži to rovnakému účelu ako v tradičnom modeli počasia: poskytuje mieru neistoty predpovede.
Každý štvorec mriežky GenCast pracuje so 6 meraniami počasia na povrchu, spolu so šiestimi, ktoré sledujú stav atmosféry a 13 rôznymi nadmorskými výškami, v ktorých odhaduje tlak vzduchu. Každý z týchto štvorcov mriežky má na strane 0,2 stupňa, čo je vyššie rozlíšenie, ako používa európsky model pre svoje predpovede. Napriek tomuto rozlíšeniu DeepMind odhaduje, že jedna inštancia (teda nie celý súbor) môže byť spustená na 15 dní na jednom zo systémov na spracovanie tenzorov Google už za 8 minút.
DeepMind tvrdí, že GenCast podstatne prekonáva najlepší tradičný prognostický model. Pomocou štandardného benchmarku v teréne DeepMind zistil, že GenCast bol presnejší ako európsky model v 97 % použitých testov, ktoré kontrolovali rôzne výstupné hodnoty v rôznych časoch v budúcnosti.
DeepMind prekročil aj štandardné testy, aby zistil, či môže byť GenCast mať prínos. Výskum zahŕňal premietanie stôp tropických cyklónov, prvé 4 dni bol GenCast výrazne presnejší ako európsky model, náskok si udržal asi týždeň.
TECHBOX.sk môže za predaj produktu v článku získať províziu formou affiliate programov.
Zdroj