Google DeepMind esittelee WeatherNext 2 -tekoälymallin tarkkoja globaaleja sääennusteita varten
Lyhyesti
Google DeepMind on julkaissut WeatherNext 2:n, joka tarjoaa nopeampia, tarkempia ja usean skenaarion kattavia maailmanlaajuisia sääennusteita tarkemman ja toimivamman päätöksenteon tueksi.
Google DeepMindGooglen tekoälyosasto, WeatherNext 2, on esitellyt WeatherNext 2:n, joka on sen tähän mennessä edistynein järjestelmä maailmanlaajuisten sääennusteiden luomiseen entistä tarkemmalla ja korkeammalla resoluutiolla.
WeatherNext 2 voi tuottaa ennusteita jopa kahdeksan kertaa nopeammin ja jopa tunnin tarkkuudella uuden mallin ansiosta, joka pystyy luomaan satoja mahdollisia skenaarioita. Tätä lähestymistapaa on käytetty apuna sääpalveluille päätöksenteossa, mukaan lukien kokeelliset sykloniennusteet.
Järjestelmä on nyt käyttäjien saatavilla, ja ennustetiedot ovat saatavilla Google Earth Enginen ja BigQueryn kautta. Lisäksi Google Cloudin Vertex-tekoälyalustalla on käynnistetty ennakkokäyttöohjelma, joka mahdollistaa mukautettujen mallien päättelyn.
WeatherNext-teknologian integrointi on jo parantanut sääennusteita Google-haussa, Geminissä, Pixel Weatherissa ja Google Maps Platformin Weather-rajapinnassa, ja tulevina viikkoina se tukee myös säätietoja Google Maps.
WeatherNext 2 esittelee tekoälyllä toimivia generatiivisia verkkoja parempien sääennusteiden parantamiseksi
Tarkka sääennuste edellyttää kaikkien mahdollisten lopputulosten tallentamista, mukaan lukien suunnittelun kannalta kriittiset äärimmäiset skenaariot. WeatherNext 2 pystyy luomaan satoja potentiaalisia säätuloksia yhdestä lähtötilanteesta, ja jokainen ennuste kestää alle minuutin yhdellä TPU:lla – operaatio, joka vaatisi tunteja perinteisillä fysiikkaan perustuvilla supertietokonemalleilla.
Järjestelmä tarjoaa erittäin taitavia ja tarkkoja ennusteita jopa tunnin tarkkuudella ja ylittää edellisen WeatherNext-mallin 99.9 %:ssa muuttujista, mukaan lukien lämpötila, tuuli ja kosteus, 0–15 päivän toimitusajoilla. Tämä mahdollistaa tarkempien ja toiminnallisempien ennusteiden tekemisen.
Parempi suorituskyky saavutetaan uudella Tekoälymallinnus lähestymistapa, joka tunnetaan nimellä Functional Generative Network (FGN), joka tuo hallittua "kohinaa" suoraan malliarkkitehtuuriin varmistaen, että ennusteet pysyvät fyysisesti realistisina ja sisäisesti johdonmukaisina.
Tämä menetelmä on erityisen tehokas sekä "marginaalien" – yksittäisten sääelementtien, kuten lämpötilan tietyssä paikassa, tuulen nopeuden tietyllä korkeudella tai kosteuden – että "liitosten" ennustamiseen. Nämä ovat monimutkaisia, toisiinsa liittyviä järjestelmiä, jotka ovat riippuvaisia näiden yksittäisten elementtien välisistä suhteista. Vaikka mallia opetetaan vain marginaalien perusteella, se voi päätellä niveliä tarkasti, minkä ansiosta se voi ennustaa laaja-alaisia malleja, kuten äärimmäisen kuumuuden kokevia alueita tai koko tuulipuiston odotettua tehontuottoa.
WeatherNext 2:n avulla edistynyttä tutkimusta sovelletaan käytännönläheiseen ja vaikuttavaan sääennusteeseen. Teknologiaa jalostetaan ja parannetaan jatkuvasti samalla, kun uusimmat työkalut tulevat maailmanlaajuisen yhteisön saataville.
Tulevaan työhön kuuluu uusien datalähteiden tutkiminen ja saatavuuden laajentaminen useampien käyttäjien tavoittamiseksi. Tarjoamalla vankkoja työkaluja ja avointa dataa aloite pyrkii tukemaan tieteellistä löytöä ja mahdollistamaan tutkijoille, kehittäjille ja organisaatioille maailmanlaajuisesti tietoon perustuvien päätösten tekemisen monimutkaisissa haasteissa ja edistämään tulevaisuuden innovaatioita.
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Alisa, omistautunut toimittaja MPost, on erikoistunut kryptovaluuttaan, nollatietotodisteisiin, sijoituksiin ja laajaan Web3. Hän tarkkailee tarkasti nousevia trendejä ja teknologioita, ja hän tarjoaa kattavan kattavuuden tiedottaakseen ja saadakseen lukijat mukaan digitaalisen rahoituksen jatkuvasti kehittyvään maisemaan.
lisää artikkeleita
Alisa, omistautunut toimittaja MPost, on erikoistunut kryptovaluuttaan, nollatietotodisteisiin, sijoituksiin ja laajaan Web3. Hän tarkkailee tarkasti nousevia trendejä ja teknologioita, ja hän tarjoaa kattavan kattavuuden tiedottaakseen ja saadakseen lukijat mukaan digitaalisen rahoituksen jatkuvasti kehittyvään maisemaan.
