Jump to content
Sign in to follow this  
BOT 1shot2kill.pl

Artykuł Sztuczna inteligencja Google prześcignęła tradycyjną prognozę pogody

Recommended Posts

Admin

lead_140120201423_868972.jpg

Na początku roku pisaliśmy o Google AI, która potrafi błyskawicznie wykryć raka piersi tylko na podstawie zdjęcia rentgenowskiego. Jeśli chodzi o możliwości sztucznej inteligencji wyprzedzające tradycyjne metody wyciągania wniosków na podstawie dostępnych danych, jest to tylko kropla w morzu. Google prezentuje kolejne swoje osiągnięcie w tej dziedzinie. Tym razem chodzi o prognozowanie pogody z użyciem konwolucyjnej sieci neuronowej (CNN).

Rezultaty badań zostały przedstawione w artykule zatytułowanym Machine Learning for Precipitation Nowcasting from Radar Images. Google AI wykorzystało CNN do tworzenia prognoz krótkoterminowych. Efekty są obiecujące i według badaczy prześcigają tradycyjne metody:

Nowcasting opadów atmosferycznych, który skupia się na prognozach na 0-6 godzin, potrafi generować prognozy o rozdzielczości 1 km z całkowitą latencją zaledwie 5-10 minut, wliczając w to opóźnienia wynikające z pobierania danych, osiągając lepsze wyniki niż modele tradycyjne, nawet we wczesnych stadiach rozwoju.
— Jason Hickey, Senior Software Engineer, Google Research

W przeciwieństwie do tradycyjnych metod, które wykorzystują wiedzę a priori o tym, jak działa atmosfera, badacze obrali podejście "pozbawione fizyki", które interpretuje problem posługując się wyłącznie obrazami. Owa sieć neuronowa nosi nazwę U-Net i prawidłowości fizyczne wnioskuje jedynie na podstawie dostarczonych jej przykładów. Do jej szkolenia wykorzystano multispektralne obrazy satelitarne. Dane zbierane na obszarze kontynentalnym USA pochodzą z okresu 2017-2019.

Google AI

Precyzja takiego podejścia okazała się wyższa niż tradycyjnych metod, takich jak prognoza numeryczna High Resolution Rapid Refresh (HRRR), przepływ optyczny (Optical Flow — OF) i model persystencji. Na wykresach powyżej można zauważyć różnice — niebieska linia powyżej to rezultaty modelu AI. Jeszcze inną korzyścią z jego stosowania jest niska latencja. Tradycyjne metody potrzebują ok. 1-3 godzin na wykonanie obliczeń, podczas gdy U-Net wykonuje je błyskawicznie. Nie wszędzie jednak sztuczna inteligencja radzi sobie tak dobrze. W przypadku prognoz długoterminowych wciąż wyprzedza ją HRRR, po części dlatego, że używa pełnego modelu fizycznego 3D, a formowanie chmur trudniej zaobserwować na zdjęciach 2D.

Co dalej? Google uważa, że owocne może się okazać połączenie obu metod — HRRR i modelu machine learningowego — co zapewni precyzyjne i szybkie prognozy zarówno krótko, jak i długoterminowe. Firma planuje też aplikację ML bezpośrednio do obserwacji 3D.

Przeczytaj cały wpis

Share this post


Link to post
Share on other sites

Join the conversation

You can post now and register later. If you have an account, sign in now to post with your account.

Guest
Reply to this topic...

×   Pasted as rich text.   Restore formatting

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   Your previous content has been restored.   Clear editor

×   You cannot paste images directly. Upload or insert images from URL.

Sign in to follow this  

×
×
  • Create New...

Important Information

By using this site you agree to Privacy Policy.