Günümüzün hava durumu tahminleri, atmosferin ve okyanusların dinamiklerini yöneten yasaları içeren karmaşık modellere dayanmaktadır ve bu modeller, var olan en güçlü süper bilgisayarların bazılarında çalışmaktadır. Ancak Alphabet (Google'ın ana şirketi), DeepMind'ın geliştirdiği yapay zeka sayesinde kişisel bilgisayar büyüklüğünde tek bir makine kullanarak önümüzdeki 10 günün küresel hava koşullarını yalnızca bir dakika içinde tahmin etmeyi başardı. Google AI hava durumunu tahmin ediyor ve bu daha yeni başladı.
Bu yazımızda size Google yapay zekasının hava durumunu nasıl tahmin ettiğini ve bu teknolojinin nasıl geliştiğini anlatacağız.
Google AI hava durumunu tahmin ediyor
Şaşırtıcı bir şekilde, bu yapay zeka sistemi, neredeyse her açıdan çoğu modern hava durumu tahmin sisteminden daha iyi performans gösteriyor. İlginç bir şekilde, yapay zekanın bu kez insan zekasının yerini almaktan ziyade onun tamamlayıcısı olarak hizmet ettiği görülüyor.
Avrupa Orta Vadeli Hava Tahminleri Merkezi (ECMWF), geçen yıl büyük bir yükseltmeden geçen ve tahmin yeteneklerini geliştiren inanılmaz derecede gelişmiş bir sisteme sahiptir. İtalya’nın Bologna kentindeki tesislerinde ağırlandı, Yaklaşık bir milyon işlemciyle donatılmış bir süper bilgisayar var (kişisel bir bilgisayarda bulunan iki veya dört tanenin aksine) ve saniyede 30 trilyon hesaplamaya eşdeğer olan 30.000 petaflopluk olağanüstü bir hesaplama gücü.
Bu muazzam hesaplama kapasitesi, orta vadeli küresel hava durumunu doğru bir şekilde tahmin eden araçlarından biri olan Yüksek Çözünürlüklü Tahmin (HRES) için gereklidir. Dokuz kilometrelik etkileyici bir mekansal çözünürlükle genellikle 10 gün sürüyorlar. Bu tahminler, dünya çapındaki meteorologlar tarafından sunulan hava durumu tahminlerinin temelini oluşturuyor. Son zamanlarda, Google DeepMind tarafından geliştirilen bir yapay zeka olan GraphCast, bu müthiş sistemin hava durumu tahminindeki yeteneklerini ölçmek için kullanıldı.
Yapay Zeka Çalışması Sonuçları
Salı günü Science dergisinde yayınlanan karşılaştırma sonuçları, GraphCast'in çok sayıda hava faktörünü tahmin etmede HRES'ten daha iyi performans gösterdiğini ortaya koyuyor. Araştırmaya göre, Google'ın makinesi, incelenen 90,3 metriğin %1.380'ünde ECMWF'ninkinden daha iyi performans gösteriyor.
Yalnızca hava olaylarının çoğunun meydana geldiği atmosferik katman olan troposfere odaklanıldığında ve Dünya yüzeyinden yaklaşık 6 ila 8 kilometre yüksekte olan stratosferden gelen veriler hariç tutulduğunda, yapay zeka (AI) %99,7 oranında insan denetimli süper bilgisayarlardan daha iyi performans gösterir. vakalar. analiz edilen değişkenler Şaşırtıcı bir şekilde bu başarı, tensör işleme birimi veya TPU olarak bilinen, kişisel bilgisayara çok benzeyen bir makine kullanılarak elde edildi.
Google DeepMind araştırmacısı Álvaro Sánchez González'e göre TPU'lar, benzer boyutu korurken normal bir PC'ye kıyasla daha verimli eğitim ve yapay zeka yazılımının yürütülmesini sunan özel donanımlardır. Tıpkı bir bilgisayarın grafik kartının görüntüleri oluşturmaya odaklandığı gibi, TPU'lar da matris ürünlerinde üstünlük sağlayacak şekilde tasarlanmıştır. GraphCast eğitimi için birkaç hafta boyunca 32 TPU kullandık. Ancak eğitim tamamlandıktan sonra tek bir TPU bir dakikadan kısa sürede tahminler üretebilirCihazın yaratıcılarından Sánchez González'in açıkladığı gibi.
GraphCast ve tahmin sistemleri
GraphCast ile mevcut tahmin sistemleri arasındaki dikkate değer bir fark, geçmiş verileri birleştirme yeteneğidir. Yaratıcılar, sistemi ECMWF arşivindeki 1979 yılına kadar uzanan meteorolojik verileri kullanarak eğitti. Bu kapsamlı veri seti, Santiago'daki yağışlar ve 40 yıl boyunca Acapulco'yu etkileyen kasırgalar. Önemli miktarda eğitimin ardından GraphCast, doğru hava durumu tahminleri oluşturma konusunda olağanüstü bir yeteneğe sahip olur.
Altı saat sonraki hava durumunu doğru bir şekilde tahmin etmek için yalnızca tahmininizden altı saat önce ve hemen öncesinde hava koşulları hakkında bilgi sahibi olmanız gerekir. Tahminler birbirine bağlıdır ve her yeni tahmin bir öncekini bilgilendirir. Bu etkileyici DeepMind makinesinin yaratıcılarından Ferran Alet, makinenin iç işleyişini şöyle açıklıyor: "Sinir ağımız, hava koşullarını altı saat önceden tahmin ediyor. 24 saat içindeki hava durumunu tahmin etmek için modeli dört kez değerlendirmemiz yeterlidir. Alternatif olarak, biri altı saatlik ve diğeri 24 saatlik gibi farklı zaman dilimleri için ayrı modeller eğitebilirdik. Fakat, "İklimi yöneten temel ilkelerin altı saatlik bir süre içinde tutarlı kaldığını anlıyoruz."
"Dolayısıyla, uygun 6 saatlik modeli keşfedebilir ve kendi tahminlerini girdi olarak kullanabilirsek, önümüzdeki 12 saatin hava durumunu doğru bir şekilde tahmin edebilir ve bu işlemi her altı saatte bir tekrarlayabiliriz." Alet'e göre bu yaklaşım, tek bir model için önemli miktarda veri sağlayarak daha verimli eğitim sağlıyor.
Şimdiye kadar hava tahminleri, atmosfer dinamiklerinin çeşitli karmaşıklıklarını açıklamak için tarih boyunca geliştirilen bilimsel denklemleri kullanan sayısal hava durumu tahminlerine dayanıyordu. Araştırmacıların bulguları, süper bilgisayarların kullanabileceği bir dizi matematiksel algoritma oluşturuyor. Önümüzdeki birkaç saat, gün veya hafta için tahminler oluşturmak için çalıştırılmalıdır (her ne kadar güvenilirlik 15 günden sonra önemli ölçüde azalsa da). Ancak bu görevin gerçekleştirilmesi çok gelişmiş bir süper bilgisayar gerektirir; bu da önemli maliyetler ve kapsamlı mühendislik çalışmaları gerektirir.
Google AI modeli hava durumunu tahmin ediyor
Özellikle dikkat çeken şey bu sistemlerin önceki günün, hatta önceki yılın hava koşullarını kullanmıyorlarAynı yerde ve aynı anda olmasına rağmen.
Tam tersine göreve farklı bir açıdan, neredeyse tam tersi bir açıdan yaklaşıyor. Gelişmiş derin öğrenme yetenekleri sayesinde, Dünya ikliminin ilerleyişini belirleyen karmaşık neden-sonuç dinamikleri hakkında kapsamlı bir anlayış elde etmek için geçmiş hava durumu verilerinin kapsamlı arşivlerini kullanır.
İspanyol Meteoroloji Ajansı (AEMET) sözcüsü José Luis Casado'ya göre, atmosferik modelde geçmiş veriler dikkate alınmıyor. Casado, bu modelin mevcut gözlemlere ve modelin kendisi tarafından yapılan en son tahminlere dayandığını açıklıyor. Atmosferin mevcut durumunu doğru bir şekilde anlayarak gelecekteki ilerleyişini tahmin etmek mümkündür. Makine öğrenimi tekniklerinden farklı olarak bu yaklaşım, geçmiş verileri veya tahminleri kullanmaz.
Bu bilgilerle Google'ın hava durumunu ve özelliklerini tahmin eden yapay zekası hakkında daha fazla bilgi edinebileceğinizi umuyorum.