GenCast, Googlen sääennustemalli, voi ennustaa äärimmäisiä sääilmiöitä yli kaksi viikkoa etukäteen
Viime vuonna yhtiö lanseerasi GraphCast AI:n
2 min. lukea
Julkaistu
Lue ilmoitussivumme saadaksesi selville, kuinka voit auttaa MSPoweruseria ylläpitämään toimitustiimiä Lue lisää
Keskeiset huomautukset
- Google DeepMindin GenCast ennustaa säätä ja äärimmäisiä tapahtumia jopa 15 päivää etukäteen erittäin tarkasti.
- Se käyttää diffuusiomallia, joka on koulutettu neljän vuosikymmenen ECMWF-tiedon perusteella, ja se ylittää perinteiset järjestelmät, kuten ENS.
- Yhteistyötä varten avoimen lähdekoodin GenCast perustuu edeltäjänsä GraphCastin menestykseen, joka ennusti jopa 10 päivää.
Google DeepMind, hakukonejätin tekoälytutkimuslaboratorio, on juuri avannut GenCast. Se on sään ennustava tekoälymalli, joka on ylpeä siitä, että se pystyy paremmin kuin perinteiset tavat ennustaa sitä.
Google sanoo, että GenCast tarjoaa nopeampia ja tarkempia ennusteita päivittäisistä säästä ja äärimmäisistä tapahtumista jopa 15 päivää etukäteen. Yhtiö mainitsee sen paperia että se voi myös ennustaa asioita, kuten trooppisia sykloneja ja tuulivoiman tuotantoa.
Se käyttää diffuusiomallia, ja se on koulutettu neljän vuosikymmenen Euroopan keskipitkän aikavälin sääennusteiden keskuksen (ECMWF) tietoihin. Google mainitsee myös, että avoimen lähdekoodin malli voi olla jopa tehokkaampi kuin sen huippuluokan Ensemble Prediction System (ENS) -järjestelmä.
"Viimeaikaiset edistysaskeleet koneoppimiseen (ML) perustuvassa sääennusteessa (MLWP) ovat tuottaneet ML-pohjaisia malleja, joissa on vähemmän ennustevirheitä kuin yksittäiset NWP-simulaatiot", Googlen tutkijat sanovat.
"Nämä edistysaskeleet ovat kuitenkin keskittyneet ensisijaisesti yksittäisiin deterministisiin ennusteisiin, jotka eivät edusta epävarmuutta ja arvioi riskejä", lehdessä lukee edelleen.
Viime vuonna Google DeepMind käynnisti GraphCastin, GenCastin edeltäjä, ja se pystyi ennustamaan vain 10 päivää. ECMWF käytti jo avoimen lähdekoodin tekoälymallia, jossa myös koneoppiminen suoritti nämä laskelmat alle minuutissa.
Mountain View -yhtiö sanoi GraphCastin paperi että sääennustusmenetelmä on koulutettu suoraan historiallisten uudelleenanalyysitietojen perusteella ja pystyi ennustamaan etukäteen 0.25°:n resoluutiolla, mikä saavutti paremman tarkkuuden 90 %:ssa testatuista tapauksista ja loistavista.
"Perinteinen numeerinen sääennuste käyttää lisääntyneitä laskentaresursseja parantaakseen ennusteen tarkkuutta, mutta ei suoraan käytä historiallisia säätietoja parantaakseen taustalla olevaa mallia", DeepMindin tutkijat sanoivat.
Käyttäjäfoorumi
0-viestit