مایکروسافت یک ابزار یادگیری ماشینی جدید برای بهبود پیش بینی آب و هوا دارد

پیش‌بینی آب و هوا مبتنی بر فیزیک قدیمی و حتی مدل‌های جدید هوش مصنوعی معمولاً پس از دو هفته کمتر قابل اعتماد می‌شوند، مشکلی که مایکروسافت ادعا می‌کند با استفاده از یادگیری ماشینی آن را حل کرده است. محققان این شرکت می گویند که روشی جدید و مقرون به صرفه برای پیش بینی دقیق آب و هوا از دو تا شش هفته قبل پیدا کرده اند - به کشاورزان و امدادگران اضطراری اجازه می دهد […]

پست های این موضوع به خلاصه ایمیل روزانه و فید صفحه اصلی شما اضافه می شود.

نرم افزار منبع باز جدید می تواند پیش بینی آب و هوا را با هوش مصنوعی مقرون به صرفه تر کند.

پست های این نویسنده به خلاصه ایمیل روزانه و فید صفحه اصلی شما اضافه می شود.

یک گزارشگر ارشد علمی است که انرژی و محیط زیست را با بیش از یک دهه تجربه پوشش می دهد. او همچنین مجری برنامه Hell or High Water: When Disaster Hits Home است، پادکستی از Vox Media و Audible Originals.

پیش‌بینی آب و هوا مبتنی بر فیزیک قدیمی و حتی مدل‌های جدید هوش مصنوعی معمولاً پس از دو هفته کمتر قابل اعتماد می‌شوند، مشکلی که مایکروسافت ادعا می‌کند با استفاده از یادگیری ماشینی آن را حل کرده است.

محققان این شرکت می‌گویند که روشی جدید و مقرون‌به‌صرفه برای پیش‌بینی دقیق‌تر آب‌وهوا از دو تا شش هفته قبل پیدا کرده‌اند - به کشاورزان و امدادگران اضطراری اجازه می‌دهد با اطمینان بیشتری برنامه‌ریزی کنند. این یافته ها امروز در ژورنال نیچر منتشر شد و این ابزار اکنون نرم افزار منبع باز است.

مایکروسافت به گوگل، انویدیا و سایر شرکت‌هایی که ابزارهای هوش مصنوعی برای پیش‌بینی آب و هوا را توسعه می‌دهند، می‌پیوندد. به جای ایجاد یک مدل جدید آب و هوای مستقل، آخرین تحقیقات مایکروسافت در این حوزه از یادگیری ماشینی برای اصلاح سوگیری در مدل‌های موجود استفاده می‌کند. محققان امیدوارند که این یک راه در دسترس‌تر برای آژانس‌های آب‌وهوای محدود به منابع برای بهبود دقت با استفاده از هوش مصنوعی است.

این یک راه در دسترس تر برای محدودیت منابع استآژانس های هواشناسی برای بهبود دقت با استفاده از هوش مصنوعی

در حالی که مدل‌سازی مبتنی بر فیزیک یک تلاش منابع فشرده است که روی ابررایانه‌ها اجرا می‌شود و هوش مصنوعی مولد به پردازنده‌های گرافیکی قدرتمند وابسته است، لستر مککی، محقق ارشد ارشد نیوانگلند مایکروسافت می‌گوید که ابزار جدید می‌تواند فقط بر روی CPU اجرا شود. مکی به The Verge می‌گوید: «من هم به افزایش بهره‌وری منابع پیش‌بینی آب‌وهوا و هم به قابلیت اطمینان بیشتر پیش‌بینی‌ها، به ویژه برای آب‌وهوای شدید، امید زیادی دارم.

مدل‌های مبتنی بر فیزیک و مبتنی بر هوش مصنوعی زمانی که دو هفته یا بیشتر آب‌وهوا را پیش‌بینی می‌کنند، با مشکلات مشابهی مواجه می‌شوند. مدل‌های سنتی سعی می‌کنند فیزیک پیچیده جو زمین را شبیه‌سازی کنند، در حالی که مدل‌های هوش مصنوعی به دنبال الگوهایی در داده‌های تاریخی برای پیش‌بینی هستند. در هر دو رویکرد، مدل‌ها برای پر کردن شکاف‌های داده‌ای، چه از مناطقی با ایستگاه‌های آب‌وهوای پراکنده یا پدیده‌های پیچیده جوی که دانشمندان هنوز در حال کار برای درک آن‌ها هستند، به تقریب‌ها تکیه می‌کنند. روش‌هایی که این مدل‌ها آن شکاف‌ها را در داده‌ها جبران می‌کنند، می‌تواند به نوعی سوگیری سیستماتیک تبدیل شود. هنگام انجام پیش‌بینی‌های بیشتر در زمان، خطاهای حاصل ترکیب می‌شوند و این پیش‌بینی‌ها را دقیق‌تر می‌کنند.

مایکروسافت روش خود را تصحیح سوگیری احتمالی (PBC) می نامد. این ابزار از یادگیری ماشین برای شناسایی سوگیری سیستماتیک در یک مدل و انجام اصلاحات استفاده می کند. یکی از مثال هایی که مکی می آورد اصلاح تغییرات آب و هوا است. انتشار گازهای گلخانه ای از سوخت های فسیلی سیاره را گرم می کند، اما یک مدل آب و هوا ممکن استپیش‌بینی‌هایی براساس سوابق تاریخی انجام دهید که می‌تواند آن را به سمت دماهای سردتر از آنچه که جهان امروز تجربه می‌کند سوق دهد.

محققان دریافتند که PBC دقت مدل هواشناسی پیشرو مبتنی بر فیزیک توسط مرکز اروپایی پیش‌بینی‌های هوای متوسط (ECMWF) را برای 98 درصد بارش و 92 درصد از اهداف دما بهبود داده است. چارچوب یادگیری ماشینی همچنین دقت سیستم پیش‌بینی هوش مصنوعی جدید ECMWF را در تحلیل این مطالعه دو برابر کرد. قبل از انتشار مقاله، ECMWF قبلاً در مسابقه هوش مصنوعی Weather Quest به پژوهش نویسندگان در مورد PBC جایزه داده بود.

متیو چانتری، رهبر استراتژیک ECMWF برای یادگیری ماشین، در یک نظر ایمیل شده به The Verge گفت: مقاله جدید در مورد PBC که توسط محققان مایکروسافت، MIT، ECMWF و سایر موسسات منتشر شده است، "نمونه خوبی از ایده های جدیدی است که به نفع و توجه جامعه توسعه یافته است."

چانتری افزود: "مثل همیشه، تبدیل ایده ها به واقعیت [در] یک فرآیند عملیاتی، چالش برانگیزترین گام است."

مقدار محاسبات و زیرساخت های مورد نیاز برای پیش بینی آب و هوا، اغلب پیشرفت های فناوری را برای بسیاری از آژانس ها در کشورهای در حال توسعه اقتصادی دور از دسترس قرار داده است. با این حال، نویسندگان مقاله فکر می کنند PBC می تواند متفاوت باشد. یکی از چیزهایی که در مورد مدل‌هایی مانند PBC برای من واقعاً هیجان‌انگیز است این است که چقدر سبک هستند، چقدر آموزش دادن آن‌ها آسان است، که دانشمندان بدون منابع عظیم می‌توانند روی تلاش برای پیکربندی [این] مدل‌ها و ساخت آن‌ها کار کنند.Genevieve Flaspohler، یکی از نویسندگان مقاله می‌گوید: در مکان‌های خاص عملکرد بهتری دارند.

فلاسپولر به عنوان کارآموز در مایکروسافت با مکی روی PBC کار کرد و اکنون مدیر اجرایی موسسه غیرانتفاعی Rhiza Research است که با سازمان خدمات هواشناسی کنیا - با بودجه بنیاد گیتس - کار می کند تا ببیند آیا هوش مصنوعی می تواند به دریافت هشدارهای اولیه دقیق تر به مردم کمک کند. PBC یکی از روش‌هایی است که آن‌ها قبل از فصل بارانی شدیدتر در طول رکوردشکنی ال نینو در حال آزمایش هستند.

من صفحه نمایش هوشمند HomeView اپل را امتحان کردم

همه چیزهایی که اپل در رویداد "Welcome Home" خود عرضه کرد

تسلا رودستر می‌توانست تبخیر باقی بماند

خلاصه روزانه رایگان از اخباری که بیشترین اهمیت را دارند.

با ارائه اطلاعات خود، با شرایط استفاده و سیاست حفظ حریم خصوصی ما موافقت می کنید. ما از فروشندگانی استفاده می کنیم که ممکن است اطلاعات شما را نیز پردازش کنند تا به ارائه خدمات ما کمک کنند. این سایت توسط reCAPTCHA محافظت می شود و خط مشی رازداری Google و شرایط خدمات اعمال می شود.