search icon

Ενέργεια & Περιβάλλον

Τεχνητή νοημοσύνη: Φέρνει τεράστιες αλλαγές και στη μετεωρολογία

Το μοντέλο GraphCast παράγει πιο ακριβείς δεκαήμερες προγνώσεις από ό,τι το συμβατικό μοντέλο του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Καιρικών Προβλέψεων (ECMWF)

Καλύτερες καιρικές προβλέψεις σε σχέση με τα σημερινά μοντέλα των μετεωρολόγων που απαιτούν υπερυπολογιστές υπόσχονται μια νέα νέα γενιά αλγορίθμων τεχνητής νοημοσύνης (ΑΙ), ορισμένοι από τους οποίους τρέχουν ακόμα και σε έναν απλό φορητό υπολογιστή.

Η τελευταία εξέλιξη έρχεται από την DeepMind, εταιρεία τεχνητής νοημοσύνης που ανήκει σήμερα στον όμιλο της Google, η οποία παρουσίασε στο περιοδικό Science ένα μοντέλο τεχνητής νοημοσύνης που ήδη προσφέρει κορυφαίες επιδόσεις.

Το μοντέλο GraphCast παράγει πιο ακριβείς δεκαήμερες προγνώσεις από ό,τι το συμβατικό μοντέλο του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Καιρικών Προβλέψεων (ECMWF), το οποίο θεωρείται η κορυφαία μετεωρολογική υπηρεσία του κόσμου.

Και το νέο μοντέλο δίνει προβλέψεις μέσα σε λίγα λεπτά, χωρίς να χρειάζεται κάτι παραπάνω από ένα απλό PC, σε αντίθεση με τους υπερυπολογιστές του ECMWF που χρειάζονται ώρες για κάθε πρόβλεψη, σύμφωνα με το science.org.

Εκπαίδευση

Τα μαθηματικά μοντέλα που χρησιμοποιούν σήμερα οι μετεωρολόγοι χωρίζουν τη Γη σε μεγάλα τετράγωνα και χρησιμοποιούν τους νόμους της φυσικής ρευστών για να προσομοιώσουν τη συμπεριφορά της ατμόσφαιρας στο μέλλον, χρησιμοποιώντας ως αφετηρία τις διαθέσιμες μετρήσεις των τρεχουσών συνθηκών.

Η προσέγγιση αυτή έχει υψηλές υπολογιστικές απαιτήσεις, και λίγες μετεωρολογικές υπηρεσίες έχουν την πολυτέλεια να επικαιροποιούν τα δελτία τους πάνω από τέσσερις φορές την ημέρα.

Τα μοντέλα ΑΙ, αντίθετα, δεν λύνουν εξισώσεις της φυσικής. Διδάσκονται από παραδείγματα –μετεωρολογικές παρατηρήσεις προηγούμενων ετών- 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.

Χρειάστηκαν δεκάδες υπολογιστές και τέσσερις εβδομάδες για να ολοκληρωθεί η διαδικασία, όμως ο τελικός, εκπαιδευμένος αλγόριθμος χρειάζεται λιγότερο από ένα λεπτό για να δώσει προβλέψεις δέκα ημερών, οι οποίες ξεπερνούν τις συμβατικές προβλέψεις του ECMWF στο 90% των παραμέτρων σύγκρισης.

Ο αλγόριθμος της DeepMind δεν είναι ο μόνος που πετυχαίνει θεαματικές επιδόσεις. Νωρίτερα φέτος, η κινεζική εταιρεία Huawei, περισσότερο γνωστή για τα κινητά της, παρουσίασε το δικό της αντίστοιχο μοντέλο στο περιοδικό Nature, ενώ η Google έχει λανσάρει το πειραματικό εργαλείο 24ωρων προβλέψεων MetNet-3, το οποίο ξεπερνά σε ακρίβεια τα δελτία των περισσότερων μετεωρολογικών υπηρεσιών. Το ίδιο το ECMWF προσφέρει από τον Σεπτέμβριο πειραματικά δελτία ΑΙ.

Η πρόοδος είναι εντυπωσιακή, αν και ορισμένοι μετεωρολόγοι και φυσικοί παραμένουν δύσπιστοι, εν μέρει επειδή η νέα τεχνολογία λειτουργεί ως «μαύρο κουτί», το οποίο δίνει μεν αποτελέσματα αλλά δεν εξηγεί πώς κατέληξε σε αυτά. Το πιθανότερο είναι ότι η ΑΙ θα χρησιμοποιείται παράλληλα και συμπληρωματικά με τα μαθηματικά μοντέλα της ατμόσφαιρας.

Το σίγουρο πάντως είναι ότι ήρθε για να μείνει στη μετεωρολογία.

Διαβάστε ακόμη

COP28: Λεφτά, πετρέλαιο και διοξείδιο του άνθρακα τα κύρια ζητήματα της συνόδου

ΑΕW: Η κρίση στην ευρωπαϊκή αγορά επαγγελματικών ακινήτων τελειώνει

Ψηφιακές κηδείες: Η «πράσινη» πρόταση του Πεκίνου

Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφθείτε το Πρώτο ΘΕΜΑ

Exit mobile version