پیش بینی های هوش مصنوعی تازه گوگل دقیق تر از ابررایانه ها - تور سریلانکا

غزال زیاری: الگوریتم نو یادگیری ماشینی DeepMind در کمتر از یک دقیقه پیش بینی های آب و هوایی خود را انجام می دهد و امکان کار کردن برروی دسکتاپ را نیز داراست ولی در هر حال بعید به نظر می رسد که به همین زودی ها بتواند جایگزین ماشین های پیش بینی سنتی گردد.

مدل گوگل که GraphCast نام گذاری شده، پیش بینی ده روز آینده آب و هوا را دقیق تر از سیستم پیش بینی با وضوح بالایی که به وسیله مرکز اروپایی پیش بینی هوای میانه (ECMWF) راهنمایی می گردد، انجام می دهد و به جای چند ساعت، تنها به چند دقیقه زمان احتیاج دارد. DeepMind گوگل، سیستم شبیه سازی آب و هوا را با استاندارد طلایی فعلی HRES انجام می دهد.

سبقت مدل گوگل از سیستم پیش بینی فعلی

طبق یافته های منتشر شده در مجله ساینس، GraphCast که می تواند برروی یک کامپیوتر کوچک اجرا گردد، در بیش از 99% از متغیرهای آب و هوا، در 90% از 1300 منطقه آزمایشی بهتر از ECMWF عمل کرد. حالا محققان اعلام نموده اند که این روش هم بی عیب و نقص نیست، چرا که عملکرد هوش مصنوعی در شرح اینکه چطور یک الگو را پیدا نموده یا عملکرد آن را به نمایش می گذارد، بدون ایراد نیست و بهتر این است که به جای آنکه آن را جایگزین ابزارهای موجود کنیم، از آن به عنوان مکملی برای دیگر ابزارهای پیش بینی بهره برد.

امروزه پیش بینی آب و هوا، متکی بر اتصال داده ها به مدل های فیزیکی پیچیده و استفاده از ابررایانه ها برای اجرای شبیه سازی است. دقت این پیش بینی ها به جزئیات دانه ای درون مدل ها بستگی دارد و اجرای آنها انرژی بر و هزینه بر است.

اما هزینه اجرای مدل های هواشناسی برمبنای یادگیری ماشینی، کمتر است؛ چرا که به قدرت محاسباتی کمتری احتیاج است و سریع تر کار می نماید. در مدل نو هوش مصنوعی، محققان GraphCast را با داده های 38 ساله آب و هوای دنیای که تا سال 2017 گردآوری شده بود آموزش دادند. این الگوریتم، الگوهایی را بین متغیرهایی مثل فشار هوا، دما، باد و رطوبت ایجاد کرد که حتی محققان هم نتوانستند آنها را درک نمایند.

بعد از این آموزش، مدل، پیش بینی هایی را از برآوردهای آب و هوای دنیا در سال 2018 انجام داد و پیش بینی ده روزه آب و هوا، کمتر از یک دقیقه زمان برد. دانشمندان با اجرای GraphCast و مقایسه آن با پیش بینی های ECMWF که از مدل های فیزیکی مرسوم تری برای پیش بینی آب و هوا استفاده می نماید، متوجه شدند که GraphCast پیش بینی های دقیق تری را در بیش از 90% از 12هزار نقطه داده مورد استفاده انجام داده است.

GraphCast در عین حال می تواند رویدادهای شدید آب و هوایی مثل موج های گرما، طوفان های گرمسیری، دوره های سرما و بعلاوه زمان هایی که لایه های جوی بالایی زمین کنار رفته و پائین ترین لایه اتمسفر یعنی تروپوسفر باقی می ماند؛ جایی که رویدادهای آب و هوایی که بر زندگی انسان ها تاثیرگذارند مشاهده می شوند، دقت پیش بینی ها به بیش از 99% رسید.

• سرقت هوشمندانه و حیرت آور دلفین ها از انسان/ عکس

• آشنایی با بزرگترین و مرگبارترین زیردریایی اتمی دنیا

رمی لام، مهندس و محقق DeepMind در این باره نوشته: در ماه سپتامبر، یک نسخه از مدل GraphCast که در دسترس عموم است، در وب سایت ECMWF نهاده شد و با دقت تمام، حدود 9 روز قبل توانست پیش بینی کند که طوفان لی به منطقه نوا اسکوشیا خواهد رسید. از سوی دیگر، پیش بینی های سنتی، تنوع بیشتری درباره مکان و زمان وقوع این طوفان داشتند و تنها از شش روز قبل از طوفان، آن را پیش بینی کردند.

فعلا خبری از جایگزینی نیست

با وجود عملکرد حیرت انگیز این مدل، دانشمندان بعید می دانند که GraphCastبه زودی جایگزین ابزارهای مورد استفاده فعلی گردد. برای آغاز هر پیش بینی و به منظور تائید و تنظیم داده های ابتدایی، به پیش بینی های منظمی احتیاج است و از آنجا که الگوریتم های یادگیری ماشینی نمی توانند نتایجی که به دست می آورند را شرح دهند، در نتیجه احتمال خطا و یا توهم بالا می رود.

طبق گفته محققان، از سوی دیگر مدل های هوش مصنوعی می توانند دیگر روش های پیش بینی آب و هوایی را تکمیل نموده و پیش بینی های سریع تری را انجام دهند و در عین حال به دانشمندان یاری نمایند تا تغییرات در الگوهای آب و هوایی را در طول زمان مشاهده نموده و دید واضح تری از تصویر بزرگتر داشته باشند.

لام ادامه داد: پیشگام بودن در استفاده از هوش مصنوعی در پیش بینی آب و هوا، برای زندگی روزمره میلیاردها نفر مفید خواهد بود ولی تحقیقات گسترده تر ما، تنها به پیش بینی آب و هوا منتهی نمی گردد و درباره درک الگوهای وسیع تر آب و هوا نیز هست. ما امیدواریم که با توسعه ابزارهای نو و تسریع روند تحقیقات، هوش مصنوعی بتواند جامعه دنیای را در راستای مقابله با بزرگترین چالش های زیست محیطی توانمند کند.

منبع: livescience

5858