DeepMind do Google aplica aprendizado de máquina às previsões do tempo, derrotando os métodos tradicionais de previsão

Desde a observação das estrelas, os humanos têm tentado prever o tempo. As aulas de inglês nas escolas primárias e secundárias também nos informam que a maioria das saudações do povo britânico começa com o clima. Devo levar um guarda-chuva? Como organizar a rota dos veículos na chuva forte? Que medidas de segurança precisam ser tomadas durante as atividades ao ar livre? A previsão do tempo é de grande importância para a vida diária.

"Previsão do tempo de curto prazo" é uma previsão para a tendência do tempo nas próximas 0-12 horas, e "previsão do tempo" é um tipo de previsão do tempo de curto prazo, que se refere especificamente à previsão do tempo para as próximas 0-2 horas , que é uma fonte de energia. A gestão, os serviços marítimos, os sistemas de alerta de cheias, o controlo do tráfego aéreo, etc. fornecem informações essenciais para a tomada de decisões.

Recentemente, a DeepMind, um laboratório de IA do Google, publicou um artigo na Nature. O conteúdo da pesquisa é aplicar o aprendizado de máquina à previsão da chuva e criar um modelo gerador profundo (DGM).

A aliança da ciência ambiental com a inteligência artificial abriu um novo caminho para o prognóstico. DeepMind acredita que a previsão atual iminente tem dois problemas.

Por um lado, a previsão do tempo de hoje é impulsionada principalmente pelo Sistema Numérico de Previsão do Tempo (NWP), mas é difícil para o NWP gerar previsões de alta resolução para o tempo próximo dentro de 2 horas, e a previsão a curto prazo preenche este intervalo crítico. No entanto, os métodos de previsão a curto prazo convencionais também têm deficiências – não é fácil capturar eventos não lineares importantes .

Por outro lado, vários métodos de previsão climática baseados em aprendizado de máquina foram desenvolvidos nos últimos anos. Embora esses métodos possam prever com precisão chuvas de baixa intensidade, eles não funcionam bem em eventos raros de chuva moderada a forte.

Resumindo, a DeepMind acredita que, para tornar a previsão do tempo mais valiosa, ela deve fornecer previsões precisas, considerar totalmente a incerteza e fazer melhorias estatisticamente significativas nas previsões de chuva forte.

Ao mesmo tempo, os avanços no sensoriamento do tempo permitiram que radares de alta resolução fossem usados ​​em altas frequências, muitas vezes a cada 5 minutos com uma resolução de 1 km. Esses dados de alta qualidade fornecem oportunidades para a intervenção da tecnologia de aprendizado de máquina.

O DGM da DeepMind aprendeu a distribuição de probabilidade dos dados e foi treinado com base em um grande número de conjuntos de dados de eventos de precipitação registrados pelo radar britânico de 2016 a 2018. Após o treinamento, ele pode fornecer nowcasts após a execução em uma única GPU NVIDIA V100 por pouco mais de um segundo. DeepMind afirma que DGM pode prever eventos meteorológicos que são difíceis de rastrear sob aleatoriedade potencial e prever com precisão a localização da precipitação.

Julgado por 56 meteorologistas, em comparação com a previsão a curto prazo convencional e outros modelos de aprendizado de máquina, o DGM tem uma previsão mais realista e consistente em uma área de 1536 km × 1280 km e em 89% dos casos, em comparação com os outros dois. O método é mais preciso e prático, e o tempo de aproximação é de 5 a 90 minutos.

A inteligência artificial tem mais utilidades no campo das mudanças climáticas. Em outubro de 2019, os pesquisadores usaram inteligência artificial para gerar imagens meteorológicas extremas para visualizar as mudanças climáticas. É difícil para as questões climáticas evocar a mobilização coletiva.Uma das razões é que as pessoas acreditam que essas mudanças geralmente ocorrem em tempos e espaços distantes. Portanto, apenas informações pessoalmente relevantes e até mesmo emocionais podem produzir uma comunicação verdadeiramente eficaz.

Os pesquisadores inserem imagens de diferentes locais e tipos de construção (como casas, fazendas, ruas, cidades) para formar mais de uma dúzia de padrões de síntese de inteligência artificial e, em seguida, pedem aos avaliadores para escolher entre imagens reais e imagens semigeradas para calcular o erro médio taxa. A visão final deste trabalho é criar uma arquitetura de aprendizado de máquina para gerar as imagens mais realistas sob condições meteorológicas extremas, incluindo inundações, incêndios florestais, ciclones tropicais e até eventos mais catastróficos com base no local selecionado pelo usuário.

"Mudanças climáticas" é a palavra-chave deste ano. Em 2021, o Prêmio Nobel de Física foi concedido a três cientistas, dois dos quais foram premiados pela pesquisa de "construir um modelo físico do clima da Terra, quantificando sua variabilidade, e prever com segurança o aquecimento global ". De acordo com o CDP, uma organização internacional sem fins lucrativos, as 500 maiores empresas do mundo precisarão pagar cerca de US $ 1 trilhão nas próximas décadas para cobrir os custos associados às mudanças climáticas, a menos que tomem medidas positivas com antecedência.

O pesquisador sênior da DeepMind, Shakir Mohamed, acredita:

A capacidade de modelar fenômenos complexos, fazer previsões rápidas e expressar incertezas torna a inteligência artificial uma ferramenta poderosa para cientistas ambientais.

Em linha com esta situação, o modelo DeepMind e outros modelos semelhantes podem ter uma ampla gama de aplicações, ajudando os analistas a gastar menos tempo navegando na pilha cada vez maior de dados de previsão, de modo a se concentrar no significado por trás da previsão.

#Bem-vindo a seguir a conta oficial do WeChat da Aifaner: Aifaner (WeChat ID: ifanr), mais conteúdo interessante será fornecido a você o mais rápido possível.

Ai Faner | Link original · Ver comentários · Sina Weibo