Η νέα γενιά αλγορίθμων τεχνητής νοημοσύνης (ΤΝ) ενσωματώνει μερικούς από αυτούς και σε απλές φορητές συσκευές, υπόσχεται βελτιωμένες προβλέψεις καιρού σε σχέση με τα υπάρχοντα μοντέλα των μετεωρολόγων που απαιτούν υπερυπολογιστές.
<div id="300x250_m1" data-google-query-id=”CM3Ng_PY54IDFS8LogMdHR0Bgg” readability=”80″>
Η τελευταία εξέλιξη προέρχεται από την DeepMind, εταιρεία τεχνητής νοημοσύνης που ανήκει στη Google, η οποία παρουσίασε στο περιοδικό Science ένα μοντέλο ΤΝ που παρέχει αξιόπιστες επιδόσεις.
Το μοντέλο GraphCast παράγει ακριβέστερες δεκαήμερες προβλέψεις σε σχέση με το συμβατικό μοντέλο του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Καιρικών Προβλέψεων (ECMWF), το οποίο θεωρείται η κορυφαία μετεωρολογική υπηρεσία του κόσμου.
Αυτό το νέο μοντέλο παρέχει προβλέψεις σε λίγα λεπτά, χωρίς την ανάγκη για υπερυπολογιστές, σε αντίθεση με το ECMWF που χρειάζεται ώρες για κάθε πρόβλεψη.
Εκπαίδευση
Τα μαθηματικά μοντέλα που χρησιμοποιούν σήμερα οι μετεωρολόγοι, χρησιμοποιούν υψηλές υπολογιστικές απαιτήσεις, και λίγες μετεωρολογικές υπηρεσίες έχουν την πολυτέλεια να επικαιροποιήσουν τα δελτία τους πάνω από τέσσερις φορές την ημέρα. Τα μοντέλα ΤΝ, δεν λύνουν εξισώσεις, αντίθετα διδάσκονται από παραδείγματα, ώστε να μάθουν να αναγνωρίζουν μοτίβα στη συμπεριφορά της ατμόσφαιρας και να προβλέπουν πώς αλληλεπιδρούν παράμετροι όπως η πίεση, η θερμοκρασία και η ταχύτητα του αέρα. Για την εκπαίδευση του GraphCast, οι ερευνητές της DeepMind χρησιμοποίησαν δεδομένα του ECMWF που καλύπτουν διάστημα 40 ετών.
Το ECMWF προσφέρει πειραματικά δελτία ΤΝ από τον Σεπτέμβριο.
Η πρόοδος είναι εντυπωσιακή, αν και ορισμένοι μετεωρολόγοι παραμένουν κριτικοί. Η πιθανή λύση είναι η ΤΝ να χρησιμοποιείται παράλληλα και συμπληρωματικά με τα μαθηματικά μοντέλα της ατμόσφαιρας.
Η τεχνολογία αυτή φαίνεται ότι ήρθε για να παραμείνει στον τομέα της μετεωρολογίας.
