themicbanner

هوش مصنوعی DeepMind تقریباً دقیقاً زمان و مکان سقوط را پیش بینی می کند

[ad_1]

اولین پروتئین تاشو ، اکنون آب و هوا: DeepMind مستقر در لندن همچنان به استفاده از یادگیری عمیق در مسائل چالش برانگیز علم ادامه می دهد. DeepMind با Met Office ، سرویس ملی هواشناسی انگلستان ، یک ابزار یادگیری عمیق به نام DGMR ایجاد کرده است که می تواند احتمال بارندگی 90 دقیقه دیگر در شب را پیش بینی کند – یکی از چالش برانگیزترین چالش های پیش بینی آب و هوا.

در مقایسه پرده با ابزارهای موجود ، ده ها متخصص برآورد DGMR را به عنوان بهترین فاکتورهای متعدد – از جمله برآورد موقعیت ، محدوده ، حرکت و شدت بارندگی – 89٪ از مواقع ارزیابی کرده اند. نتایج این تحقیق در مجله Nature Today منتشر شد.

ابزارهای DeepMindنه AlphaFold ، که مشکل بیولوژیکی بزرگی را ایجاد کرد که دانشمندان دهه ها با آن روبرو بوده اند. اگرچه پیش بینی کمی بهبود یافته است.

پیش بینی بارندگی ، به ویژه بارندگی ، برای صنایع مختلف ، از رویدادهای فضای باز تا پروازها و خدمات اضطراری بسیار مهم است. اما خوب انجام دادن آن سخت است. محاسبه مقدار آب در آسمان و زمان و مکان سقوط آن بستگی به تعدادی از فرایندهای آب و هوایی مانند تغییرات دما ، تشکیل ابر و باد دارد. همه این عوامل به خودی خود به اندازه کافی پیچیده هستند ، اما وقتی در کنار هم قرار گیرند حتی پیچیده تر می شوند.

بهترین تکنیک های پیش بینی موجود از محاسبات وسیع فیزیک جوی استفاده می کند. این موارد برای پیش بینی بلند مدت خوب عمل می کند اما در پیش بینی آنچه در ساعت آینده اتفاق می افتد یا اکنون مشخص است چندان خوب نیست. تکنیک های یادگیری عمیق قبل از این توسعه داده شد ، اما معمولاً این موارد در مورد یک چیز ، مانند پیش بینی مکان ، با هزینه کردن چیز دیگری ، مانند پیش بینی خشونت ، خوب کار می کنند.

داده های رادار برای بارندگی شدید
مقایسه DGMR با داده های واقعی رادار و دو تکنیک پیش بینی رقابتی برای بارش باران در سراسر شرق ایالات متحده در آوریل 2019

DEEPMIND

گرگ کاربین ، سرپرست عملیات مرکز هواشناسی NOAA در ایالات متحده می گوید: “بارش های فعلی هنوز یک چالش بزرگ برای هواشناسان است.”

تیم DeepMind هوش مصنوعی خود را بر روی داده های رادار آموزش داد. بسیاری از کشورها اغلب در طول روز اندازه گیری های راداری تصاویری را منتشر می کنند که تشکیل و حرکت ابرها را ردیابی می کند. به عنوان مثال ، در انگلستان هر پنج دقیقه یکبار صدای بلند خواندن صادر می شود. کنار هم قرار دادن این عکسها یک تصویر متحرک مدرن ارائه می دهد که نحوه حرکت الگوهای باران در سراسر کشور را نشان می دهد ، درست مانند تصاویر پیش بینی شده در تلویزیون.

[ad_2]

Braylon Mccoy

محقق حرفه ای وب. پیشگام الکل متعصب تلویزیون دوست حیوانات در همه جا.

تماس با ما