ZD Tech: GAN'lar yerel hava tahminlerini nasıl iyileştirebilir? - Dünyadan Güncel Teknoloji Haberleri

Herkese merhaba ve ZDNet.fr editör kadrosunun günlük podcast’i ZD Tech’e hoş geldiniz. Benim ismim Guillaume Serisi ve bugün sana açıklıyorum üretken hasım ağları, GAN’lar, yerel hava tahminlerinin doğruluğunu nasıl hızla iyileştirebilir.

İklim değişikliği, aşırı hava olaylarının yoğunluğunu ve sıklığını artırıyor. Ve yoğun yağışları yöneten fiziğin karmaşıklığı, doğru yerel hava tahminleri geliştirmeyi çok zorlaştırıyor.

Bu nedenle, bu tehlikeli hava olaylarını önlemeye çalışmak için yapay bir zekayı devreye sokma fikri.

Ama tabi yapay zeka biraz fazla moda hale geldiği için biraz daha detaya inip size biraz daha anlatacağım. Bu, makine öğrenimi olarak da adlandırılan yeni bir otomatik öğrenme modelidir. Somut olarak, veri kümeleriyle bir AI, doğruyu yanlıştan ayırt etmek için eğitilir.

Ve bu tekniği, genel hava durumu modellerinde şu anda var olan önyargıları düzeltmek için kullananlar, yeni kurulan Climate Ai’den veri bilimcileri ve araştırmacıları. Bunu yapmak için, İngilizce’de Generative Adversarial Network için GAN adı verilen üretici hasım ağlarını kullanırlar.

Denetimsiz makine öğrenimi algoritmaları sınıfı

Bu GAN’lar, denetimsiz makine öğrenimi algoritmalarının bir sınıfıdır.

Bir GAN, bir oyun teorisi senaryosunda rekabete giren iki ağdan oluşur. İlk ağ, bir veri örneği üreten jeneratördür. Düşmanı olan ikinci ağ, ayrımcının örneğin gerçek olup olmadığını veya jeneratörün sonucu olup olmadığını tespit etmeye çalıştığını söylüyor.

Böylece, Yapay Zeka modeli, sonuçlarının ve dolayısıyla tahminlerinin doğruluğunu kademeli olarak iyileştiriyor.

Günümüzün tahminleri için gereken devasa bilgi işlem gücünü değiştirin

Görünüşe göre, işlemcilerle doldurulmuş süper bilgisayarlarla hesaplanan, mevcut tahminler için gerekli olan olağanüstü hesaplama gücünün yerini alan şey. Ancak hepsinden önemlisi, bu yapay zeka modelleri, verileri sonuçlara yorumlayan uzman meteorologların bilgilerini eninde sonunda tamamlamalı, hatta tamamlamalıdır.

Bu çalışmanın sonucu, AI modelinin, daha önce bu kadar küçük bir ölçekte tahminler yapmak için gerekli olan büyük miktarda bilgi işlem, finansal ve insan kaynağı gerektirmeden, küresel tahminleri yerel tahminler kadar doğru olacak şekilde küçültmesidir. Ama bu pratikte neye benziyor?

ClimateAi, yeni modelin tüm bölge için “bu hafta %40 yağmur yağma ihtimalini” doğrulamak yerine şu gibi soruları yanıtladığı bir senaryo öneriyor: Yarın yağmur yağacak veya yağmayacak mı? Ya da tam olarak nereye yağmur yağacak?