amerikali
Yeni Üye
Reklamcılık
Klasik hava durumu tahmin modelleri (GCM – genel sirkülasyon modelleri) ve yapay zekanın (AI) birleşimi, her iki yaklaşımın en iyi özelliklerini bir araya getirmek ve daha kesin sonuçlara ulaşmak için tasarlanmıştır. Google Research'ten bir araştırma ekibinin Nature dergisinde yayınlanan bir makalede bildirdiği şey budur. Daha önce, AI daha kısa vadeli tahminler için fiziksel modellerden iyi veya daha iyi sonuçlar vermişti. Ancak, AI birkaç olası senaryo ve daha uzun vadeli hava durumu ve iklim simülasyonları ile topluluk tahmininde herhangi bir iyileştirme elde edemedi. NeuralGCM modeli artık fiziksel yaklaşımın avantajlarını yapay zekanın avantajlarıyla birleştirmeyi amaçlamaktadır. Önceki AI yaklaşımları, örneğin enerji gereksinimleri açısından, önemli ölçüde daha kaynak verimli olmayı vaat etmişti.
AI güncellemesine abone olun
En önemli yapay zeka gelişmeleri hakkında günlük güncellemeler, her Cuma derinlemesine bir incelemeyle.
E-posta adresi
Gönderim süreci ve iptal seçeneklerinizle ilgili detaylı bilgiye gizlilik politikamızdan ulaşabilirsiniz.
Araştırma ekibi, modelin bir ila on günlük tahminler için AI modelleriyle rekabet edebildiğini ve bazen onları geride bıraktığını ve ayrıca bir ila on beş günlük tahminler için Avrupa Orta Vadeli Tahminler Merkezi'nin (ECMWF) topluluk tahminiyle rekabet edebildiğini yazıyor. Model ayrıca deniz yüzeyi sıcaklığına dayalı olarak birkaç on yıl için iklim ölçümlerini yeniden üretebiliyor. Araştırmacılar makalede, 140 kilometre çözünürlüğe sahip tahminlerin tropikal siklonların gerçekçi sıklığı ve yolu gibi fenomenleri ortaya çıkarabileceğini söylüyor.
Yapay zeka modelleri yalnızca kısa vadeli tahminler için güvenilirdir
Klasik hesaplama yöntemleri, Dünya atmosferindeki hava basıncı, sıcaklık veya nem gibi değerlerle ve fiziksel denklemlerle çalışır. Gerekli hesaplama miktarını azaltmak için karmaşık doğanın basitleştirilmiş bir şekilde temsil edilmesi gerekir. Bu, örneğin tahminde de önemli bir rol oynayan bulut oluşumu için geçerlidir. Sayısal yaklaşım son 70 yılda iyileşmiştir, ancak hesaplamalar için daha iyi bilgisayarlar da gerektirmiştir.
Google'ın yapay zeka şirketi Deepmind tarafından geliştirilen GraphCast veya Huawei'nin Pangu gibi yapay zeka modelleri, yeniden analiz yoluyla geçmiş hava koşullarından ders çıkarır ve bunu havanın nasıl gelişebileceğini hesaplamak için kullanır. Modeller, topluluk tahminleriyle ilgili zorluklar yaşadı: Atmosferin kaotik bir sistem olması nedeniyle, küçük belirsizlikler bile tahminde büyük yanlış yorumlamalara ve hatalara yol açabilir. Farklı parametreleri kapsayan tahminlerin “topluluğu”, sonuçtaki bu farklılığı kapsamayı amaçlar. Tahmin geleceğe ne kadar uzaksa, olası hava senaryoları arasındaki olası farklar o kadar büyük olur.
Daha fazla araştırmaya ihtiyaç var
Klasik tahmin modelleriyle karşılaştırıldığında, Neural GCM daha verimli ve daha az karmaşıktır, diye yazıyor araştırma ekibi. Aynı zamanda araştırmacılar, hava durumu üzerinde ince etkileri olan önemli iklim süreçlerini anlamak için alternatif eğitim stratejilerine ihtiyaç duyulacağını varsayıyor. Ekip ayrıca, yapay zeka ve fiziksel modellerden oluşan hibrit modellerin diğer alanlara -örneğin, malzeme araştırmalarına- girme potansiyelini görüyor.
ayrıca okuyun
Daha fazla göster
daha az göster
(olur)
Klasik hava durumu tahmin modelleri (GCM – genel sirkülasyon modelleri) ve yapay zekanın (AI) birleşimi, her iki yaklaşımın en iyi özelliklerini bir araya getirmek ve daha kesin sonuçlara ulaşmak için tasarlanmıştır. Google Research'ten bir araştırma ekibinin Nature dergisinde yayınlanan bir makalede bildirdiği şey budur. Daha önce, AI daha kısa vadeli tahminler için fiziksel modellerden iyi veya daha iyi sonuçlar vermişti. Ancak, AI birkaç olası senaryo ve daha uzun vadeli hava durumu ve iklim simülasyonları ile topluluk tahmininde herhangi bir iyileştirme elde edemedi. NeuralGCM modeli artık fiziksel yaklaşımın avantajlarını yapay zekanın avantajlarıyla birleştirmeyi amaçlamaktadır. Önceki AI yaklaşımları, örneğin enerji gereksinimleri açısından, önemli ölçüde daha kaynak verimli olmayı vaat etmişti.
AI güncellemesine abone olun
En önemli yapay zeka gelişmeleri hakkında günlük güncellemeler, her Cuma derinlemesine bir incelemeyle.
E-posta adresi
Gönderim süreci ve iptal seçeneklerinizle ilgili detaylı bilgiye gizlilik politikamızdan ulaşabilirsiniz.
Araştırma ekibi, modelin bir ila on günlük tahminler için AI modelleriyle rekabet edebildiğini ve bazen onları geride bıraktığını ve ayrıca bir ila on beş günlük tahminler için Avrupa Orta Vadeli Tahminler Merkezi'nin (ECMWF) topluluk tahminiyle rekabet edebildiğini yazıyor. Model ayrıca deniz yüzeyi sıcaklığına dayalı olarak birkaç on yıl için iklim ölçümlerini yeniden üretebiliyor. Araştırmacılar makalede, 140 kilometre çözünürlüğe sahip tahminlerin tropikal siklonların gerçekçi sıklığı ve yolu gibi fenomenleri ortaya çıkarabileceğini söylüyor.
Yapay zeka modelleri yalnızca kısa vadeli tahminler için güvenilirdir
Klasik hesaplama yöntemleri, Dünya atmosferindeki hava basıncı, sıcaklık veya nem gibi değerlerle ve fiziksel denklemlerle çalışır. Gerekli hesaplama miktarını azaltmak için karmaşık doğanın basitleştirilmiş bir şekilde temsil edilmesi gerekir. Bu, örneğin tahminde de önemli bir rol oynayan bulut oluşumu için geçerlidir. Sayısal yaklaşım son 70 yılda iyileşmiştir, ancak hesaplamalar için daha iyi bilgisayarlar da gerektirmiştir.
Google'ın yapay zeka şirketi Deepmind tarafından geliştirilen GraphCast veya Huawei'nin Pangu gibi yapay zeka modelleri, yeniden analiz yoluyla geçmiş hava koşullarından ders çıkarır ve bunu havanın nasıl gelişebileceğini hesaplamak için kullanır. Modeller, topluluk tahminleriyle ilgili zorluklar yaşadı: Atmosferin kaotik bir sistem olması nedeniyle, küçük belirsizlikler bile tahminde büyük yanlış yorumlamalara ve hatalara yol açabilir. Farklı parametreleri kapsayan tahminlerin “topluluğu”, sonuçtaki bu farklılığı kapsamayı amaçlar. Tahmin geleceğe ne kadar uzaksa, olası hava senaryoları arasındaki olası farklar o kadar büyük olur.
Daha fazla araştırmaya ihtiyaç var
Klasik tahmin modelleriyle karşılaştırıldığında, Neural GCM daha verimli ve daha az karmaşıktır, diye yazıyor araştırma ekibi. Aynı zamanda araştırmacılar, hava durumu üzerinde ince etkileri olan önemli iklim süreçlerini anlamak için alternatif eğitim stratejilerine ihtiyaç duyulacağını varsayıyor. Ekip ayrıca, yapay zeka ve fiziksel modellerden oluşan hibrit modellerin diğer alanlara -örneğin, malzeme araştırmalarına- girme potansiyelini görüyor.
ayrıca okuyun
Daha fazla göster
daha az göster
(olur)