Ang meteorolohiya bilang isang agham ay sumusulong salamat sa pag-unlad ng teknolohiya. Sa kasalukuyan, may ilang mga computer program na may kakayahang direktang hulaan kung kailan at saan uulan. Ang kumpanya ng Deepmind ay bumuo ng isang artipisyal na katalinuhan na may kakayahang mahulaan ang halos eksaktong kailan at saan ito uulan. Ang kumpanyang ito ay nakipagtulungan sa mga meteorologist ng UK upang lumikha ng isang modelo na mas mahusay para sa paggawa ng mga panandaliang hula kaysa sa kasalukuyang mga system.
Sa artikulong ito, sasabihin namin sa iyo ang lahat ng kailangan mong malaman tungkol sa Robleda stock market at teknolohiya sa pagtataya ng panahon ng DeepMind.
Ulat panahon
Ang DeepMind, isang kumpanya na artipisyal na intelihensiya na nakabase sa London, ay nagpatuloy sa kanyang karera sa paglalapat ng malalim na pag-aaral sa mahihirap na problemang pang-agham. Ang DeepMind ay bumuo ng isang malalim na tool sa pag-aaral na tinatawag na DGMR sa pakikipagtulungan sa British National Weather Service's Met Office, na maaaring tumpak na mahulaan ang posibilidad ng pag-ulan sa susunod na 90 minuto, isang malaking hamon sa Ulat panahon.
Sa isang paghahambing sa mga mayroon nang mga tool, dose-dosenang mga eksperto ang naniniwala na ang mga hula ng DGMR ay ang pinakamahusay sa maraming mga kadahilanan, kabilang ang mga hula nito sa lokasyon, saklaw, paggalaw at tindi ng ulan, 89% ng oras. Ang bagong tool ng DeepMind ay magbubukas ng isang bagong susi sa biology na sinusubukan ng mga siyentista na malutas sa mga dekada.
Gayunpaman, kahit maliit na pagpapabuti sa mga hula ay mahalaga. Ang pagtataya ng ulan, lalo na ang malakas na ulan, ay kritikal para sa maraming mga industriya, mula sa mga panlabas na aktibidad hanggang sa mga serbisyo sa aviation at mga emerhensiya. Ngunit ang pagkuha ng tama ay mahirap. Ang pagtukoy kung magkano ang tubig sa kalangitan at kailan at saan ito mahuhulog ay nakasalalay sa maraming mga proseso ng klimatiko, tulad ng mga pagbabago sa temperatura, pagbuo ng ulap at hangin. Ang lahat ng mga salik na ito ay sapat na kumplikado sa kanilang sarili, ngunit sila ay nagiging mas kumplikado kapag pinagsama. Upang matuto nang higit pa tungkol sa hindi pangkaraniwang bagay na ito, maaari kang sumangguni sa artikulo sa kahulugan ng meteorolohiya.
Ang pinakamahusay na magagamit na teknolohiya ng hula ay gumagamit ng isang malaking bilang ng mga computer simulation ng atmospheric physics. Ang mga ito ay angkop para sa pangmatagalang mga pagtataya, ngunit ang mga ito ay hindi masyadong mahusay sa paghula kung ano ang mangyayari sa susunod na oras. Ito ay tinatawag na agarang forecast.
Pag-unlad ng DeepMind
Ang mga nakaraang diskarte sa malalim na pag-aaral ay binuo, ngunit ang mga diskarteng ito ay karaniwang gumaganap ng mahusay sa isang aspeto, tulad ng paghula ng lokasyon, sa kapinsalaan ng isa pa, tulad ng paghula ng puwersa. Ang data ng radar para sa malakas na pag-ulan na tumutulong sa paghula ng agarang pag-ulan ay nananatiling isang malaking hamon para sa mga meteorologist.
Ang koponan ng DeepMind ay gumamit ng data ng radar upang sanayin ang kanilang AI. Maraming mga bansa at rehiyon ang madalas na nag-publish ng mga snapshot ng mga pagsukat ng radar na sumusubaybay sa pagbuo at paggalaw ng ulap sa buong araw. Halimbawa, sa UK, ang mga bagong pagbasa ay nai-post tuwing limang minuto. Sa pamamagitan ng pagsasama-sama ng mga snap na ito, makakakuha ka ng isang napapanahong stop-motion na video na ipinapakita kung paano nagbabago ang pattern ng ulan ng isang bansa.
Ipinapadala ng mga mananaliksik ang data na ito sa isang malalim na henerasyon ng network na katulad ng GAN, na isang bihasang AI na maaaring makabuo ng mga bagong sample ng data na halos kapareho ng aktwal na data na ginamit sa pagsasanay. Ginamit ang GAN upang makabuo ng mga pekeng mukha, kasama ang pekeng Rembrandt. Sa kasong ito, natutunan ng DGMR (na nangangahulugang "Generative Deep Rain Model") na makabuo ng mga maling radar snapshot na nagpapatuloy sa aktwal na pagkakasunud-sunod ng pagsukat.
DeepMind AI Mga Eksperimento
Si Shakir Mohamed, na namuno sa pagsasaliksik sa DeepMind, ay nagsabi na ito ay kapareho ng panonood ng ilang mga still mula sa isang pelikula at hulaan kung ano ang susunod na mangyayari. Upang subukan ang pamamaraang ito, tinanong ng koponan ang 56 meteorologist mula sa Bureau of Meteorology (na hindi kasangkot sa trabaho) upang tuklasin ang mas advanced na pisikal na simulation at isang hanay ng mga kalaban.
89% ng mga tao ang nagsabing mas gusto nila ang mga resulta na ibinigay ng DGMR. Ang mga algorithm sa pag-aaral ng machine sa pangkalahatan ay sumusubok na mag-optimize para sa isang simpleng sukat ng kung gaano kahusay ang iyong mga hula. Gayunpaman, ang pagtataya ng panahon ay may maraming iba't ibang mga aspeto. Siguro isang hula na nakuha ang maling lakas ng ulan sa tamang lugar, o ibang hula ang nakakuha ng tamang kumbinasyon ng mga intensity ngunit sa maling lugar, at iba pa. Upang matuto nang higit pa tungkol sa kung paano gumagana ang meteorological system, inirerekomenda namin ang pagbabasa tungkol sa pagkakaiba sa pagitan ng anticyclones at depressions.
Sinabi ng DeepMind na ilalabas nito ang istraktura ng lahat ng mga protina na kilala sa agham. Ginamit ng kumpanya ang AlphaFold protein na natitiklop na artipisyal na intelihente upang makabuo ng mga istraktura para sa proteome ng tao, pati na rin para sa lebadura, mga langaw ng prutas at daga.
Ang pakikipagtulungan sa pagitan ng DeepMind at Met Office ay isang magandang halimbawa ng pagtatrabaho sa mga end user upang makumpleto ang pag-unlad ng AI. Malinaw, ito ay isang magandang ideya, ngunit ito ay madalas na hindi nangyayari. Ang koponan ay nagtrabaho sa proyekto sa loob ng ilang taon, at ang input mula sa mga eksperto sa Bureau of Meteorology ay humubog sa proyekto. Si Suman Ravuri, isang research scientist sa DeepMind, ay nagsabi: "Ito ay nagtataguyod ng pagbuo ng aming modelo sa ibang paraan kaysa sa aming sariling pagpapatupad." "Kung hindi, maaaring nakagawa kami ng isang modelo na hindi magiging partikular na kapaki-pakinabang sa huli." Upang matuto nang higit pa tungkol sa iba't ibang mga aplikasyon ng meteorolohiya, maaari mong bisitahin ang artikulo sa drone sa meteorolohiya.
Sabik din na ipakita ng DeepMind na ang AI nito ay may mga praktikal na aplikasyon. Para sa Shakir, DGMR at AlphaFold ay bahagi ng parehong kuwento: ginagamit ng kumpanya ang kanilang mga taon ng karanasan sa paglutas ng mga puzzle. Marahil ang pinakamahalagang konklusyon dito ay ang DeepMind ay sa wakas ay nagsimulang maglista ng mga real-world na problemang pang-agham.
Mga pagsulong sa pagtataya ng panahon
Ang pagtataya ng panahon ay dapat suportahan ng pag-unlad ng teknolohiya habang papalapit tayo ng papalapit sa ganap na pagkaunawa kung paano gumagana ang ating kapaligiran. Maraming beses na ang tao at ang kanyang mga kalkulasyon ay maaaring mapailalim sa mga karaniwang pagkakamali na maiiwasan sa pag-unlad ng artipisyal na katalinuhan.
Ang pagtataya ng panahon ay susi para sa mga tao dahil marami tayong masusulit mas mahusay na mapagkukunan ng tubig at maiwasan ang ilang mga sakuna sa mga bagyo at malakas na ulan. Sa kadahilanang ito, ang mga meteorologist ay lalong sumasang-ayon na bumuo ng mga artipisyal na proyekto sa katalinuhan para sa paghula ng pag-ulan.
Inaasahan ko na sa impormasyong ito maaari kang matuto nang higit pa tungkol sa proyekto ng DeepMind at mga katangian nito.