Güneş yarın doğacak ve artık bundan emin olmak için son dolarınıza bahse girmenize gerek yok. Google’ın DeepMind ekibi piyasaya sürülmüş Bu haftaki en son hava durumu tahmin modeli, önüne konulan testlerin büyük çoğunluğunda önde gelen geleneksel hava durumu tahmin modelinden daha iyi performans gösteriyor.
Üretken yapay zeka modeli GenCast olarak adlandırılıyor ve Midjourney, DALL·E 3 ve Stable Diffusion gibi popüler yapay zeka araçlarını destekleyenlere benzer bir yayılma modeli. Ekibin testlerine göre GenCast, aşırı hava koşullarını, tropik fırtınaların hareketini ve Dünya’nın geniş arazilerindeki sert rüzgârların gücünü tahmin etmede daha başarılı. Ekibin GenCast’in performansı hakkındaki tartışması şuydu: yayınlandı bu hafta Doğa.
GenCast’ın diğer yayılma modellerinden ayrıldığı nokta, (açıkçası) hava odaklı olması ve makalenin birkaç ortak yazarının bir makalesinde tanımladığı gibi “Dünyanın küresel geometrisine uyarlanmış” olmasıdır. DeepMind blog yazısı.
“Salvador Dalí tarzında bir daksundun resmini çizin” gibi yazılı bir yönlendirme yerine GenCast’ın girdisi havanın en son durumudur ve model daha sonra bunu gelecekteki hava durumu senaryolarının olasılık dağılımını oluşturmak için kullanır.
Geleneksel hava durumu tahmin modelleri ENSAvrupa Orta Vadeli Hava Tahminleri Merkezi’nin önde gelen modeli, tahminlerini fizik denklemlerini çözerek yapıyor.
Google DeepMind’da kıdemli araştırma bilimcisi ve ekibin en son bulgularının başyazarı olan Ilan Price, Gizmodo’ya gönderdiği bir e-postada şunları söyledi: “Bu geleneksel modellerin bir sınırlaması, çözdükleri denklemlerin yalnızca atmosferik dinamiklerin yaklaşık tahminleri olmasıdır” dedi.
GenCast’ın ilk tohumları 2022’de ekildi, ancak bu hafta yayınlanan model, mimari değişiklikleri ve modelin, 15 güne kadar aşırı hava olayları da dahil olmak üzere Dünya’daki hava durumunu tahmin etmek için daha iyi eğitilmesini sağlayan geliştirilmiş bir yayılma düzenini içeriyor.
Price, “GenCast, tam olarak bilinen ve bir denklemle yazılabilen dinamikleri/modelleri öğrenmekle sınırlı değil” diye ekledi. “Bunun yerine doğrudan verilerden daha karmaşık ilişkileri ve dinamikleri öğrenme fırsatına sahip ve bu da GenCast’ın geleneksel modellerden daha iyi performans göstermesine olanak tanıyor.”
Google bir süredir hava durumu tahminleri üzerinde çalışıyor ve son yıllarda yapay zeka yöntemlerini kullanarak daha kesin tahminlere yönelik birkaç önemli adım attı.
Geçtiğimiz yıl, bazıları yeni makalenin ortak yazarı olan DeepMind bilim insanları, testlerde kullanılan hedeflerin %90’ında mevcut orta vadeli hava durumu tahmin modellerinden daha iyi performans gösteren, makine öğrenimi tabanlı bir yöntem olan GraphCast’i yayınladı. Sadece beş ay önce çoğunluğu DeepMind araştırmacılarından oluşan bir ekip yayınlandı Geleneksel fizik tabanlı hava durumu tahmincisini makine öğrenimi bileşenleriyle birleştiren hibrit bir hava durumu tahmin modeli olan NeuralGCM. Bu ekip, “uçtan uca derin öğrenmenin geleneksel yöntemlerle gerçekleştirilen görevlerle uyumlu olduğunu” buldu. [models] ve Dünya sistemini anlamak ve tahmin etmek için gerekli olan büyük ölçekli fiziksel simülasyonları geliştirebilir.”
GenCast’ın elde ettiği çözünürlük NeuralGCM’nin yaklaşık altı katıydı ancak bu beklenen bir şeydi. Price, “NeuralGCM, öncelikle iklim modellemesini desteklemek için genel amaçlı bir atmosferik model olarak tasarlandı; oysa GenCast’in spesifik hedef kullanım durumu olan operasyonel orta menzilli tahmin modelleri için genellikle GenCast’in daha yüksek çözünürlüğü bekleniyor” dedi. “Bu aynı zamanda aşırı hava koşullarını tahmin etmek gibi operasyonel orta vadeli tahminler için çok önemli kullanım durumları olan geniş bir değerlendirme yelpazesini vurgulamamızın nedenidir.”
Son çalışmada ekip, GenCast’i 2018 yılına kadar geçmiş hava durumu verileri üzerinde eğitti ve ardından modelin 2019’daki hava durumu modellerini tahmin etme yeteneğini test etti. GenCast, hava durumu olayından önce değişen teslim süreleri ile farklı hava durumu değişkenleri kullanan hedeflerin %97,2’sinde ENS’den daha iyi performans gösterdi ; 36 saatten daha uzun teslim süreleri ile GenCast, hedeflerin %99,8’inde ENS’den daha doğru sonuç verdi.
Ekip ayrıca GenCast’in tropik bir kasırganın, özellikle de Ekim ayında Japonya’yı vuran, 2019’un en pahalı tropikal kasırgası olan Hagibis Tayfunu’nun izini tahmin etme yeteneğini de test etti. GenCast’ın tahminleri, yedi günlük teslim süresi nedeniyle oldukça belirsizdi, ancak daha kısa teslim sürelerinde daha doğru hale geldi. Aşırı hava koşulları daha yağışlı ve daha şiddetli yağışlara yol açtığından ve kasırgalar ne kadar hızlı yoğunlaştıklarına ve sezonun ne kadar erken oluştuklarına dair rekorlar kırdıkça, fırtına yollarının doğru tahmin edilmesi mali ve insani maliyetlerin azaltılmasında çok önemli olacaktır.
Ama hepsi bu değil. Araştırmada açıklanan prensip kanıtlama deneyinde DeepMind ekibi, Küresel Enerji Santrali Veri Tabanındaki 5.000’den fazla rüzgar çiftliğinden oluşan gruplar tarafından üretilen toplam rüzgar gücünü tahmin etmede GenCast’ın ENS’den daha doğru olduğunu buldu. GenCast’ın tahminleri, iki gün veya daha kısa teslim süreleriyle ENS’nin tahminlerinden yaklaşık %20 daha iyiydi ve istatistiksel olarak anlamlı iyileşmeleri bir haftaya kadar korudu. Başka bir deyişle, modelin yalnızca felaketi hafifletme açısından değeri yoktur; enerji altyapısını nerede ve nasıl konuşlandıracağımız konusunda da bilgi verebilir.
Ey iklimin sıradan takdircisi, tüm bunlar senin için ne anlama geliyor? DeepMind ekibi GenCast kodunu açık kaynak haline getirdi ve modelleri ticari olmayan kullanıma uygun hale getirdi, böylece merak ediyorsanız yardımcı olabilirsiniz. Ekip aynı zamanda geçmiş ve güncel hava durumu tahminlerini içeren bir arşiv yayınlamak üzerinde de çalışıyor.
Price, “Bu, daha geniş araştırma ve meteoroloji topluluğunun çalışmalarımızla ilgilenmesine, test etmesine, yürütmesine ve geliştirme yapmasına olanak tanıyacak ve bu alanda daha fazla ilerlemeyi hızlandıracak” dedi. “Operasyonel girdileri alabilmek için GenCast versiyonlarına ince ayar yaptık ve böylece model operasyonel ortama dahil edilmeye başlanabilir.”
GenCast ve diğer modellerin ne zaman faaliyete geçeceğine dair henüz bir zaman çizelgesi yok ancak DeepMind blogu, modellerin “Google Arama ve Haritalar’daki kullanıcı deneyimlerini güçlendirmeye başladığını” belirtti.
İster hava durumu için ister yapay zeka uygulamaları için burada olun, GenCast ve daha geniş DeepMind tahmin modelleri paketi hakkında beğeneceğiniz çok şey var. Bu tür araçların doğruluğu, Appalachia’daki sellerden veya Florida’daki kasırgalardan zarar görenleri korumak için yeterli hazırlık süresine sahip aşırı hava olaylarını tahmin etmede çok önemli olacaktır.
