Szerző: Dömös Zsuzsanna

2023. november 15. 11:20

Az időjósok dolgát is megkönnyíti az MI

A hagyományos módszereket viszont nem váltja le, inkább kiegészíti a neurális hálókon alapuló, időjárási prognózist készítő eszköz, amit a Google kutatói fejlesztettek.

A Science tudományos szaklapban publikált friss tanulmány szerint a Google DeepMind GraphCast nevű mesterségesintelligencia-modellre építő, meteorológiai prognózisokat készítő megoldása pontosabban dolgozik a hagyományos módszereknél, akár 10 napos előrejelzések készítésekor is. A kutatók vizsgálata során a GraphCast kiváló teljesítményt nyújtott a viág vezető hagyományos, a légkörfizikát leíró differenciálegyenleteken alapuló, népszerű európai rendszerével való összehasonlításban, amelyet az Európai Középtávú Időjárás-előrejelzések Központja (ECMWF) üzemeltet.  

A GraphCast 90 százalékban felülmúlta az ECMWF közel 1380 metrikával dolgozó rendszerét, ami az előrejelzések során megjósolja a hőmérsékletet, a nyomást, a szél sebességét és irányát, a különböző légköri szintek páratartalmát. Mint kiderült, a keresőcég eszköze több száz időjárási változóval ad előre több mint 10 napra 0,25 fokos felbontású prognózist, kevesebb mint egy perc alatt, ami jelentős előrelépést jelent a mesterséges intelligencia meteorológiában való felhasználása szempontjából. Az európai rendszer számára 150-240 óra szükséges a 0,1 fokos felbontású tíznapos előrejelzés elkészítéséhez, még szuperszámítógépen is.

weather

Mindent vivő munkahelyek

Mindig voltak olyan informatikai munkahelyek, melyek nagyon jól fekszenek az önéletrajzban.

Mindent vivő munkahelyek Mindig voltak olyan informatikai munkahelyek, melyek nagyon jól fekszenek az önéletrajzban.

A GraphCast gráf neurális hálókon alapul (GNN), aminek a betanításához az ECMWF több mint négy évtizede gyűjtött időjárási adatait használták fel a kutatók. A hagyományos numerikus időjárás-előrejelzési módszerek lényegesen több időt és energiát igényelnek, Matthew Chantry, az ECMW gépi tanulási koordinátora szerint a  GraphCast körülbelül 1000-szer olcsóbb az energiafogyasztás tekintetében a hagyományos módszerekhez képest.

Természetesen a megoldásnak vannak korlátai, nem minden helyzetben teljesít jobban, ez főleg a szélsőséges jelenségekre igaz,  illetve a mesterséges intelligencia modellek még nem tudnak olyan részletes vagy részletes előrejelzéseket készíteni, mint hagyományosak, így  kisebb léptékű jelenségek vizsgálatakor lehetnek ideálisak. Adottak még az átláthatósági problémák, hiszen a meteorológusok nem tudnak alaposabban belenézni abba, mi alapján tesz előrejelzéseket a modell, így a keresőcég kutatói szerint az MI-alapú megközelítés a már meglévő előrejelzési technikák melletti kiegészítő megoldás lehet, ami nem helyettesíti az eddigi, évtizedek alatt kifejlesztett módszereket.

Kubernetes képzéseinket már közel 300 szakember végezte el. A nagy sikerre való tekintettel a tanfolyamot aktualizált tananyaggal június 18-án újra elindítjuk! A 8 alkalmas, élő képzés képzés órái utólag is visszanézhetők, és munkaidő végén kezdődnek.

a címlapról