由於技術的發展,氣象學作為一門科學正在進步。 目前,有幾種計算機程序能夠直接預測下雨的時間和地點。 該公司 DeepMind 開發了一種人工智能,能夠幾乎準確地預測下雨的時間和地點。 該公司與英國氣象學家合作創建了一個模型,該模型比當前系統更適合進行短期預測。
在本文中,我們將告訴您有關 Robleda 包(DeepMind 公司的天氣預報技術)的所有信息。
天氣預報
DeepMind,一家總部位於倫敦的人工智能公司,繼續他的職業生涯,將深度學習應用於困難的科學問題。 DeepMind 與英國國家氣象局的 Met Office 合作開發了一種名為 DGMR 的深度學習工具,可以準確預測未來 90 分鐘內下雨的概率。 這是天氣預報中最困難的挑戰之一。
與現有工具相比,數十位專家認為 DGMR 的預測在幾個因素上是最好的,包括對降雨的位置、範圍、運動和強度的預測,佔 89% 的時間。 DeepMind 的新工具打開了科學家幾十年來一直試圖解決的生物學新鑰匙。
然而,即使是預測的微小改進也很重要。 從戶外活動到航空服務和緊急情況,預測降雨量,尤其是大雨,對許多行業都至關重要。 但是做對是困難的。 確定天空中有多少水以及它將在何時何地落下取決於許多氣候過程, 如溫度變化、雲的形成和風。 所有這些因素本身都足夠複雜,但如果將它們結合起來,則更加複雜。
最好的預報技術使用了大量的大氣物理計算機模擬。 這些適用於長期預測,但它們不太擅長預測下一小時會發生什麼。 這稱為即時預測。
DeepMind 開發
以前的深度學習技術已經開發出來,但這些技術通常在一個方面效果很好,例如預測位置,而以犧牲另一個方面為代價,例如預測力。 有助於預測立即降雨的大雨雷達數據仍然是氣象學家面臨的巨大挑戰。
DeepMind 團隊使用雷達數據來訓練他們的 AI。 許多國家和地區經常發布全天跟踪雲形成和移動的雷達測量快照。 例如,在英國,每五分鐘發布一次新讀數。 通過將這些快照放在一起,您可以獲得最新的定格視頻,顯示一個國家的降雨模式如何變化。
研究人員將這些數據發送到類似於 GAN 的深度生成網絡,這是一種經過訓練的 AI,可以生成與訓練中使用的實際數據非常相似的新數據樣本。 GAN 已被用於生成假人臉,包括假倫勃朗。 在這種情況下,DGMR(代表“生成深雨模型”)已經學會了生成繼續實際測量序列的虛假雷達快照。
DeepMind 人工智能實驗
在 DeepMind 領導這項研究的 Shakir Mohamed 說,這就像看電影中的幾幀並猜測接下來會發生什麼一樣。 為了測試這種方法,該團隊請氣象局的 56 名氣象學家(他們沒有參與這項工作)深入研究更先進的物理模擬和一組對手。
89% 的人表示他們更喜歡 DGMR 給出的結果。 機器學習算法通常會嘗試優化以簡單衡量您的預測效果。 然而,天氣預報有許多不同的方面。 也許預測在正確的地方得到了錯誤的降雨強度,或其他預測得到了正確的強度組合,但在錯誤的位置,依此類推。
DeepMind 表示,它將釋放科學已知的所有蛋白質的結構。 該公司已使用其 AlphaFold 蛋白質折疊人工智能為人類蛋白質組以及酵母、果蠅和小鼠生成結構。
DeepMind 與 Met Office 的合作 是與最終用戶合作完成人工智能開發的一個很好的例子。 顯然,這是一個好主意,但通常不會發生。 該團隊為該項目工作了數年,氣象局專家的投入塑造了該項目。 DeepMind 的研究科學家 Suman Ravuri 說:“它以不同於我們自己的實施方式促進我們模型的發展。” “否則,我們本可以創建一個最終不會特別有用的模型。”
DeepMind 也渴望展示其 AI 具有實際應用。 對於 Shakir 來說,DGMR 和 AlphaFold 是同一個故事的一部分:該公司利用他們多年解決謎題的經驗。 也許這裡最重要的結論是 DeepMind 終於開始列出現實世界的科學問題。
天氣預報的進展
天氣預報必須得到技術發展的支持,因為我們越來越接近完全了解我們的大氣如何運作。 很多時候,人類及其計算可能會犯一些常見的錯誤,而這些錯誤可以隨著人工智能的發展而避免。
天氣預報是人類的關鍵,因為我們可以利用很多 更有效的水資源,避免風暴和大雨中的一些災難. 出於這個原因,氣象學家越來越同意開髮用於預測降雨的人工智能項目。
我希望通過這些信息,您可以了解有關 DeepMind 項目及其特點的更多信息。