Google DeepMind เปิดตัวโมเดล AI WeatherNext 2 เพื่อการพยากรณ์อากาศทั่วโลกที่แม่นยำ
ในบทสรุป
Google DeepMind เปิดตัว WeatherNext 2 ซึ่งมอบการพยากรณ์อากาศทั่วโลกที่เร็วขึ้น ความละเอียดสูงขึ้น และครอบคลุมหลายสถานการณ์ เพื่อรองรับการตัดสินใจที่แม่นยำและดำเนินการได้มากขึ้น
Google DeepMindซึ่งเป็นแผนก AI ของ Google ได้เปิดตัว WeatherNext 2 ซึ่งเป็นระบบที่ล้ำหน้าที่สุดในปัจจุบันสำหรับการสร้างพยากรณ์อากาศทั่วโลกด้วยความแม่นยำที่เพิ่มขึ้นและความละเอียดที่สูงขึ้น
WeatherNext 2 สามารถพยากรณ์ได้เร็วขึ้นถึงแปดเท่า โดยมีความละเอียดเชิงเวลาที่แม่นยำถึงหนึ่งชั่วโมง ด้วยแบบจำลองใหม่ที่สามารถสร้างสถานการณ์ที่อาจเกิดขึ้นได้หลายร้อยแบบ วิธีการนี้ถูกนำมาใช้เพื่อช่วยหน่วยงานด้านสภาพอากาศในการตัดสินใจ รวมถึงการพยากรณ์พายุไซโคลนเชิงทดลอง
ขณะนี้ระบบกำลังเปิดให้ผู้ใช้เข้าถึงได้ โดยสามารถเข้าถึงข้อมูลการพยากรณ์ผ่าน Google Earth Engine และ BigQuery นอกจากนี้ ยังมีการเปิดตัวโปรแกรม Early Access บนแพลตฟอร์ม Vertex AI ของ Google Cloud เพื่อให้สามารถอนุมานแบบจำลองแบบกำหนดเองได้
การบูรณาการเทคโนโลยี WeatherNext ได้ปรับปรุงการพยากรณ์อากาศให้ดีขึ้นแล้วใน Google Search, Gemini, Pixel Weather และ Google Maps Platform Weather API และในอีกไม่กี่สัปดาห์ข้างหน้า เทคโนโลยีนี้ยังจะรองรับข้อมูลสภาพอากาศภายในอีกด้วย Google Maps.
WeatherNext 2 เปิดตัวเครือข่ายสร้างฟังก์ชันที่ขับเคลื่อนด้วย AI เพื่อการพยากรณ์อากาศที่ดีขึ้น
การพยากรณ์อากาศที่แม่นยำต้องอาศัยการบันทึกผลลัพธ์ที่เป็นไปได้ทั้งหมด รวมถึงสถานการณ์สุดขั้วซึ่งสำคัญต่อการวางแผน WeatherNext 2 สามารถสร้างผลลัพธ์สภาพอากาศที่อาจเกิดขึ้นได้หลายร้อยรายการจากสภาวะเริ่มต้นเดียว โดยการคาดการณ์แต่ละครั้งใช้เวลาไม่ถึงหนึ่งนาทีบน TPU เดียว ซึ่งการดำเนินการดังกล่าวต้องใช้เวลาหลายชั่วโมงหากใช้แบบจำลองซูเปอร์คอมพิวเตอร์ที่อิงหลักฟิสิกส์แบบดั้งเดิม
ระบบนี้ให้การพยากรณ์ที่มีความละเอียดสูงและแม่นยำถึงรายชั่วโมง เหนือกว่าโมเดล WeatherNext รุ่นก่อนหน้าในการวิเคราะห์ตัวแปรต่างๆ ได้ถึง 99.9% ครอบคลุมอุณหภูมิ ลม และความชื้น ตลอดระยะเวลา 0 ถึง 15 วัน ซึ่งช่วยให้พยากรณ์ได้แม่นยำและนำไปปฏิบัติได้จริงมากขึ้น
ประสิทธิภาพที่เพิ่มขึ้นทำได้โดยผ่านระบบใหม่ การสร้างแบบจำลอง AI แนวทางที่เรียกว่า Functional Generative Network (FGN) ซึ่งนำ "สัญญาณรบกวน" ที่ควบคุมได้เข้าสู่สถาปัตยกรรมจำลองโดยตรง เพื่อให้แน่ใจว่าการพยากรณ์ยังคงสมจริงทางกายภาพและสอดคล้องกันภายใน
วิธีการนี้มีประสิทธิภาพอย่างยิ่งในการพยากรณ์ทั้ง “ส่วนขอบ” (marginal) ซึ่งเป็นองค์ประกอบสภาพอากาศแต่ละองค์ประกอบ เช่น อุณหภูมิ ณ สถานที่ ความเร็วลม ณ ระดับความสูงที่กำหนด หรือความชื้น และ “ส่วนต่อ” (joints) ซึ่งเป็นระบบที่ซับซ้อนและเชื่อมโยงกัน โดยอาศัยความสัมพันธ์ระหว่างองค์ประกอบแต่ละองค์ประกอบเหล่านี้ แม้ว่าแบบจำลองจะฝึกฝนเฉพาะส่วนขอบ แต่สามารถอนุมานส่วนต่อได้อย่างแม่นยำ ทำให้สามารถพยากรณ์รูปแบบขนาดใหญ่ได้ เช่น ภูมิภาคที่ประสบกับความร้อนสูง หรือกำลังผลิตไฟฟ้าที่คาดการณ์ไว้ของฟาร์มกังหันลมทั้งฟาร์ม
WeatherNext 2 นำเสนองานวิจัยขั้นสูงเพื่อการประยุกต์ใช้ในการพยากรณ์อากาศที่มีประสิทธิภาพสูงในทางปฏิบัติ ความพยายามอย่างต่อเนื่องในการปรับปรุงและพัฒนาเทคโนโลยี ควบคู่ไปกับการทำให้เครื่องมือล่าสุดเข้าถึงชุมชนทั่วโลก
งานในอนาคตประกอบด้วยการสำรวจแหล่งข้อมูลเพิ่มเติมและการขยายการเข้าถึงเพื่อให้เข้าถึงผู้ใช้ได้มากขึ้น ด้วยการจัดหาเครื่องมือที่มีประสิทธิภาพและข้อมูลเปิด โครงการริเริ่มนี้มีเป้าหมายเพื่อสนับสนุนการค้นพบทางวิทยาศาสตร์ และช่วยให้นักวิจัย นักพัฒนา และองค์กรต่างๆ ทั่วโลกสามารถตัดสินใจอย่างรอบรู้เกี่ยวกับความท้าทายที่ซับซ้อน และขับเคลื่อนนวัตกรรมสำหรับอนาคต
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
อลิสา นักข่าวผู้ทุ่มเทของ MPostเชี่ยวชาญด้านสกุลเงินดิจิทัล การพิสูจน์ความรู้เป็นศูนย์ การลงทุน และขอบเขตที่กว้างขวางของ Web3- ด้วยสายตาที่กระตือรือร้นต่อแนวโน้มและเทคโนโลยีที่เกิดขึ้นใหม่ เธอจึงนำเสนอความครอบคลุมที่ครอบคลุมเพื่อแจ้งและดึงดูดผู้อ่านเกี่ยวกับภูมิทัศน์ทางการเงินดิจิทัลที่พัฒนาอยู่ตลอดเวลา
บทความอื่น ๆ
อลิสา นักข่าวผู้ทุ่มเทของ MPostเชี่ยวชาญด้านสกุลเงินดิจิทัล การพิสูจน์ความรู้เป็นศูนย์ การลงทุน และขอบเขตที่กว้างขวางของ Web3- ด้วยสายตาที่กระตือรือร้นต่อแนวโน้มและเทคโนโลยีที่เกิดขึ้นใหม่ เธอจึงนำเสนอความครอบคลุมที่ครอบคลุมเพื่อแจ้งและดึงดูดผู้อ่านเกี่ยวกับภูมิทัศน์ทางการเงินดิจิทัลที่พัฒนาอยู่ตลอดเวลา
