DeepMind di Google applica l’apprendimento automatico alle previsioni del tempo, sconfiggendo i metodi di previsione tradizionali

Da quando hanno osservato le stelle, gli umani hanno cercato di prevedere il tempo. Le classi di inglese nelle scuole primarie e secondarie ci fanno anche sapere che la maggior parte dei saluti del popolo britannico inizia con il tempo. Devo portare un ombrello? Come organizzare il percorso dei veicoli in caso di pioggia battente? Quali misure di sicurezza devono essere adottate durante le attività all’aperto? La previsione del tempo è di grande importanza per la vita quotidiana.

“Previsioni del tempo a breve termine” è una previsione per l’andamento del tempo nelle prossime 0-12 ore e “nowcasting” è un tipo di previsione del tempo a breve termine, che si riferisce specificamente alle previsioni del tempo per le prossime 0-2 ore , che è una fonte di energia.Gestione, servizi marittimi, sistemi di allarme inondazioni, controllo del traffico aereo, ecc., forniscono informazioni chiave per il processo decisionale.

Di recente, DeepMind, un laboratorio di intelligenza artificiale di proprietà di Google, ha pubblicato un articolo su Nature.Il contenuto della ricerca consiste nell’applicare l’apprendimento automatico al nowcasting delle precipitazioni e creare un modello generativo profondo (Deep Generative Model, di seguito denominato DGM).

L’alleanza tra scienza ambientale e intelligenza artificiale ha aperto una nuova strada per il nowcasting. DeepMind ritiene che l’attuale previsione imminente abbia due problemi.

Da un lato, le previsioni meteorologiche di oggi sono principalmente guidate dal Numerical Weather Prediction System (NWP), ma è difficile per NWP generare previsioni ad alta risoluzione per il tempo prossimo entro 2 ore e il nowcasting riempie questo intervallo critico. Tuttavia, anche i metodi di nowcasting tradizionali presentano delle carenze: non è facile catturare eventi non lineari importanti .

D’altro canto, negli ultimi anni sono stati sviluppati diversi metodi di previsione del clima basati sull’apprendimento automatico.Sebbene questi metodi possano prevedere con precisione precipitazioni a bassa intensità, non funzionano bene in rari eventi di pioggia moderata e forte.

In breve, DeepMind crede che per rendere il nowcasting più prezioso, deve fornire previsioni accurate, considerare pienamente l’incertezza e apportare miglioramenti statisticamente significativi nelle previsioni di pioggia intensa.

Allo stesso tempo, i progressi nel rilevamento meteorologico hanno consentito di utilizzare radar ad alta risoluzione ad alte frequenze, spesso ogni 5 minuti con una risoluzione di 1 km. Questi dati di alta qualità offrono opportunità per l’intervento della tecnologia di apprendimento automatico.

Il DGM di DeepMind ha appreso la distribuzione di probabilità dei dati ed è stato addestrato sulla base di un gran numero di set di dati sugli eventi di precipitazione registrati dal radar britannico dal 2016 al 2018. Dopo l’addestramento, può fornire nowcast dopo essere stato eseguito su una singola GPU NVIDIA V100 per poco più di un secondo. DeepMind afferma che il DGM è in grado di prevedere eventi meteorologici difficili da tracciare in caso di potenziale casualità e prevedere con precisione la posizione delle precipitazioni.

Giudicato da 56 meteorologi, rispetto al nowcasting mainstream e ad altri modelli di machine learning, DGM ha un nowcasting più realistico e coerente in un’area di 1536 km×1280 km, rispetto agli altri due nell’89% dei casi Il metodo è più preciso e pratico e il tempo di avvicinamento è compreso tra 5 e 90 minuti.

L’intelligenza artificiale ha più usi nel campo del cambiamento climatico. Nell’ottobre 2019, i ricercatori hanno utilizzato l’intelligenza artificiale per generare immagini meteorologiche estreme per visualizzare i cambiamenti climatici. È difficile per le questioni climatiche evocare una mobilitazione collettiva, uno dei motivi è che le persone credono che questi cambiamenti di solito avvengano in tempi e spazi lontani. Pertanto, solo le informazioni personalmente rilevanti e anche emotive possono produrre una comunicazione veramente efficace.

I ricercatori inseriscono immagini di diversi luoghi e tipi di edifici (come case, fattorie, strade, città) per formare più di una dozzina di modelli di sintesi dell’intelligenza artificiale, quindi chiedono ai valutatori di scegliere tra immagini reali e immagini semi-generate per calcolare l’errore medio tasso. La visione finale di questo lavoro è creare un’architettura di apprendimento automatico per generare le immagini più realistiche in condizioni meteorologiche estreme, tra cui inondazioni, incendi, cicloni tropicali ed eventi ancora più catastrofici in base alla posizione selezionata dall’utente.

“Cambiamento climatico” è la parola chiave di quest’anno. Nel 2021 il Premio Nobel per la Fisica è stato assegnato a tre scienziati, due dei quali sono stati premiati per la ricerca di “costruire un modello fisico del clima terrestre, quantificandone la variabilità, e prevedere in modo affidabile il riscaldamento globale”. Secondo CDP, un’organizzazione internazionale senza scopo di lucro, le 500 più grandi aziende del mondo dovranno pagare circa 1 trilione di dollari nei prossimi decenni per coprire i costi associati ai cambiamenti climatici, a meno che non adottino misure positive in anticipo.

Il ricercatore senior di DeepMind Shakir Mohamed crede:

La capacità di modellare fenomeni complessi, fare previsioni rapide ed esprimere incertezze rende l’intelligenza artificiale uno strumento potente per gli scienziati ambientali.

In linea con questa situazione, il modello di DeepMind e altri modelli simili possono avere un’ampia gamma di applicazioni, aiutando i meteorologi a dedicare meno tempo a sfogliare la pila sempre crescente di dati di previsione, in modo da concentrarsi sul significato dietro la previsione.

#Benvenuto a seguire l’account WeChat ufficiale di Aifaner: Aifaner (ID WeChat: ifanr), i contenuti più interessanti ti verranno forniti il ​​prima possibile.

Ai Faner | Link originale · Visualizza commenti · Sina Weibo