Google Deepmind 找到了徹底改變天氣預報世界的方法。為了改善預測，該子公司依賴 GraphCast，這是一種以海量資料為基礎的人工智慧模式。該演算法比傳統系統更可靠、更準確、更快速。
DeepMind 是Google完全致力於人工智慧的子公司，它開發了一種旨在預測天氣的新程式。軟體名為 GraphCast，依靠 AI 提供更可靠的天氣預報與傳統的預測模型相比。過去六個月已經對人工智慧進行了測試。 Deepmind 研究人員在《科學》雜誌和 Google 網站上的新聞稿中詳細介紹了 GraphCast 的操作和效能。
據 Deepmind 稱，該 AI 模型能夠預測“比行業標準天氣模擬系統更準確、更快地提前 10 天獲取天氣狀況”。值得注意的是，GraphCast 成功地提前 9 天預測了 9 月襲擊加拿大和美國的颶風李的確切位置。氣象學家的傳統工具在六天內沒有看到任何變化。該演算法還能夠確定颶風的速度和軌跡。
更可靠的天氣
在 Deepmind 研究人員研究的 90% 的情況下，該模型表現出了自己的能力更可靠比通常的系統。此外，GraphCast 速度更快。只需一分鐘即可接收天氣預報。
最後，人工智慧可以在普通計算機上運行。無需投資具有強大運算能力的機器即可從 GraphCast 獲得預測。該模型要求運算能力的一小部分傳統的預測方法。這些還需要超級電腦網路來運作。
「這種人工智慧方法的主要優點是非常精確。她利用了數十年的數據 »”，創建 GraphCast 的 Deepmind 研究人員之一 Remy Lam 在接受《科學》雜誌採訪時說道。英國廣播公司。
數據的重要性
研究人員補充說，通常的模型不會突然被人工智慧取代。 Deepmind的解決方案主要設計為補語到傳統方法。事實上，GraphCast 依賴常用模式從氣象站、衛星、大氣中的氣球、海洋中的浮標和飛機收集的大量數據。人工智慧僅介入第二步“選擇那些最重要的”。為了提供單一預測，GraphCast 需要大約 1000 萬次天氣測量。
“人工智慧模型是根據數據進行訓練的，而這些數據是透過傳統方法生成的，因此我們仍然需要傳統方法來收集數據來訓練模型””，雷米·林 (Remy Lam) 總結道。
收集數據後，模型將使用機器學習，人工智慧的一個專業領域。它允許電腦程式自主開發、學習和調整，無需人工幹預。演算法所需的唯一元素是大量資料。 AI 還使用 40 年的天氣資料來完善其估計。正如氣候學教授 Xavier Fettweis 向 RTB 的同事解釋的那樣，GraphCast 在某種程度上依賴過去來預測未來：
「這種人工智慧是基於一種稱為『類似物』的舊天氣預報技術。這個概念很簡單：找到過去類似的大氣配置來做出目前的預測。到目前為止，這種做事方式需要大量人力資源（因為它無法自動化，並且必須針對所研究的每個地區或天氣變量進行調整），而人工智慧顯然不再是這種情況”。
Deepmind主要計劃使用GraphCast來提高三天以上預測的準確性。谷歌子公司指出，該工具「已被氣象機構使用」。歐洲中期天氣預報中心的情況尤其如此。在兒子網站，這個政府間機構也允許您即時查閱 GraphCast 所做的預測。
Opera One - AI 驅動的網頁瀏覽器
作者：歌劇
來源 ： Google
