Son olarak, etkinlikte hangi ceketi giymeniz gerektiğini size söyleyecek bir robot. Arama devinin yapay zeka merkezli beyin güveni Google DeepMind, geleneksel sistemleri %90’dan fazla oranda geride bırakan yeni bir hava durumu tahmin modelini duyurdu. GraphCast adlı makine öğrenimi modeli, bugün hava durumu uygulamanızı çalıştıran araçlara göre daha iyi, daha hızlı ve enerji açısından daha verimli 10 günlük tahminler vaat ediyor.
Google’ın araştırmacıları bir yazısında “Bunun hava durumu tahminlerinde bir dönüm noktası olduğuna inanıyoruz” diye yazdı. çalışmak Salı günü yayınlandı.
Genel olarak, tahminlere yönelik mevcut modele “sayısal hava durumu tahmini (NWP)” adı verilmektedir. NWP, mevcut hava koşullarını akışkanlar dinamiği, termodinamik ve diğer atmosfer bilimlerinin ilkelerine dayalı olarak yaklaşan değişiklikleri simüle eden devasa modellere bağlar. Karmaşıktır, pahalıdır ve tonlarca bilgi işlem gücü gerektirir.
GraphCast, moleküllerin nasıl uçup birbirine çarpacağına dair simülasyonlar yürütmek yerine, geçmiş verilere daha fazla vurgu yaparak geleneği bozuyor. Başka bir deyişle, geçmişte olup bitenlere dayanarak tahminlerde bulunan bir makine öğrenimi modelidir. İşin içinde pek çok süslü bilgisayar bilimi var, ancak genel olarak gerektirdiği hesaplama düzeyi ve sayısı açısından çok daha basit.
GraphCast, Dünya’nın mevcut hava durumuyla ve altı saat önceki hava durumuyla ilgili verilerle başlar. Ardından altı saat sonra havanın nasıl görüneceğine dair bir tahminde bulunuyor. GraphCast daha sonra bu tahminleri modele geri besler, aynı hesaplamayı gerçekleştirir ve daha uzun vadeli tahminleri ortaya koyar.
Google ekibi, GraphCasts sonuçlarını orta vadeli hava tahmini için kullanılan HRES adı verilen mevcut modelle karşılaştırdı. Araştırmaya göre GraphCast, testte kullanılan hedeflerin %90’ında HRES’ten “önemli ölçüde” daha iyi performans gösterdi.
GraphCast ayrıca tropik kasırgalar ve anormal sıcaklık değişimleri gibi ekstrem hava olaylarını tahmin etmede şaşırtıcı bir başarı elde etti; her ne kadar bunlarla başa çıkmak için özel olarak eğitilmemiş olsa da.
Araştırmanın yazarları, çalışmalarının meteorologların güvendiği standart sistemlerle birlikte çalışmasının amaçlandığını söylüyor. Çalışma yazarları, “Yaklaşımımız geleneksel hava tahmini yöntemlerinin yerini alacak şekilde görülmemelidir” diye yazdı. “Daha ziyade, çalışmamız şunun kanıtı olarak yorumlanmalıdır: [machine learning weather prediction] gerçek dünyadaki tahmin problemlerinin zorluklarını karşılayabiliyor ve mevcut en iyi yöntemleri tamamlama ve geliştirme potansiyeline sahip.”
