Нова програма за прогнозирање на времето со вештачка интелигенција, Aardvark Weather, генерира временски прогнози за една секунда и постигнува точност споредлива со традиционалните модели, за кои се потребни огромни суперкомпјутери и долго време за пресметување. Тоа е софтвер развиен од Ричард Тарнер и неговиот тим од Универзитетот во Кембриџ и има за цел да направи револуција во прогнозирањето на времето со замена на фазата на прогноза со фазата на иницијализација. Ова е нешто што претходните модели на вештачка интелигенција не успеаја да го направат.
Од 1950-тите години временските прогнози се потпираат на нумеричко временско предвидување (NWP), користејќи модели базирани на физика за обработка на податоци од сателити, балони и временски станици. Иако ефикасни, овие системи бараат огромна компјутерска моќ.
Неодамнешниот напредок во вештачката интелигенција намали дел од пресметковниот товар, а Google и DeepMind воведуваат алатки за машинско учење кои заменуваат делови од овие модели. Европскиот центар за временски прогнози со среден опсег (ECMWF) неодамна имплементираше систем за прогнозирање со вештачка интелигенција, што означи уште еден чекор во интеграцијата на вештачката интелигенција во метеорологијата.
Сепак, ниту еден систем за вештачка интелигенција сè уште не ги заменил предвидувањата и иницијализацијата на податоците, сè до гореспоменатиот Aardvark.
Тарнер истакнува дека само иницијализацијата троши половина од компјутерските ресурси, што ја прави способноста на Aardvark да се справи со двете фази голем напредок. Моделот обработува само 10% од влезните податоци што вообичаено се користат, но произведува резултати споредливи со современите NWP предвидувања. Сепак, неговата резолуција од 1,5 степени квадратни е многу погруба од резолуцијата од 0,3 степени на ECMWF, ограничувајќи ја неговата способност да детектира сложени временски обрасци.
Истражувањето поврзано со Aardvark е објавено во списанието Nature.
И покрај успехот на Aardvark, моделите за вештачка интелигенција сè уште се потпираат на податоци за обука засновани на физика. Апсолутно не функционира ако им ги одземете податоците за обука и само ги користите податоците за набљудување за да тренирате, признава Тарнер.
Оптимистите како Никита Гуријанов од Универзитетот во Оксфорд предвидуваат дека вештачката интелигенција ќе го надмине NWP Тоа е прашање на обем, но и прашање на интелигенција. Мора да бидете паметни со тоа како внесувате податоци и како ја структурирате невронската мрежа, изјави Гуријанов за New Scientist.
Како што вештачката интелигенција продолжува да се развива, рамнотежата меѓу моделите базирани на физика и машинското учење може да ја обликува иднината на временската прогноза, потенцијално создавајќи побрзи, поефикасни системи за прогнозирање со намалени пресметковни трошоци.
(New Scientist)
(фото: Wikimedia)