Google DeepMind و Google Research روز پنجشنبه WeatherNext 3 را راه‌اندازی کردند و آن را پیشرفته‌ترین و دقیق‌ترین مدل هوش مصنوعی آب و هوای جهانی توصیف کردند که این شرکت تاکنون ساخته است. سیستم جدید به جای هر شش ساعت، هر ساعت یک پیش‌بینی تازه ایجاد می‌کند و متغیرهای سطحی کلیدی مانند دما و رطوبت را در یک شبکه 5 کیلومتری حل می‌کند – تصویری که گوگل می‌گوید تقریباً پنج برابر واضح‌تر از نسخه قبلی خود WeatherNext 2 است.

برخلاف بسیاری از مدل‌های عرضه شده، این مدل در حال حاضر در محصولاتی که میلیاردها نفر استفاده می‌کنند بافته شده است. به گفته گوگل، WeatherNext 3 اکنون نتایج آب و هوا را در جستجو، جمینی، نقشه‌ها، پلتفرم نقشه‌های گوگل و Google Cloud ارائه می‌کند. برای پیروان آخرین [اخبار و تحقیقات هوش مصنوعی] (https://aibuzzwire.news)، پیش بینی آب و هوا بی سر و صدا به یکی از موفق ترین مرزهای تجاری یادگیری ماشین تبدیل شده است - حوزه ای که در آن سیستم های هوش مصنوعی دیگر نسخه نمایشی تحقیقاتی نیستند، بلکه موتور پیش فرض پاسخ های روزمره هستند.

جهش پنج برابری در وضوح

سودمندی یک پیش‌بینی اغلب به جزئیات مربوط می‌شود: اینکه یک مدل چقدر فضا و زمان را به خوبی حل می‌کند. WeatherNext 3 پیش‌بینی‌های ساعتی را با وضوح‌های چندگانه فضایی ایجاد می‌کند. دما و رطوبت سطح در 5 کیلومتر، سایر متغیرهای سطح در 10 کیلومتر و متغیرهای جوی مانند سرعت باد در 25 کیلومتر ارائه می شوند.

WeatherNext 2 در مقایسه، پیش‌بینی‌هایی را در یک شبکه 25 کیلومتری در 6 ساعت افزایش داد. در مقایسه ای که در کنار اعلامیه منتشر شد، پیش بینی دمای 2 متری مدل جدید بر فراز بریتانیا توپوگرافی محلی پیچیده را حل کرد و از نمایش های حرارتی پیکسلی و بیش از حد صاف که شبکه قدیمی تولید می کرد اجتناب کرد.

یادگیری از ماهواره های زنده، نه فقط شبیه سازی

تغییر عمیق‌تر چیزی است که مدل از آن می‌آموزد. بیشتر مدل‌های آب‌وهوای هوش مصنوعی، از جمله WeatherNext 2، بر روی خروجی‌های پیش‌بینی عددی آب و هوا (NWP) آموزش دیده‌اند - شبیه‌سازی‌های فیزیک مبتنی بر ابر رایانه که هواشناسی عملیاتی را برای دهه‌ها لنگر انداخته است. این شبیه‌سازی‌ها دارای یک تاخیر داده شش ساعته هستند که باعث ایجاد سوگیری در متغیرهای با تغییر سریع مانند باران و دمای سطح می‌شود.

WeatherNext 3 مسیر متفاوتی را طی می کند. موزاییکی زنده از تصاویر ماهواره‌ای زمین‌ایستا جهانی را که هر ساعت به‌روزرسانی می‌شود، در کنار تحلیل‌های تاریخی سنتی دریافت می‌کند، و هر دو را به یک شبکه مولد عملکردی (FGN) تغذیه می‌کند - یک معماری ترانسفورماتور شبکه‌ای که میدان‌های شبکه‌ای متراکم، مسیرهای گردباد گسسته، و پیش‌بینی‌های سطح ایستگاه را به صورت بومی تولید می‌کند. از آنجایی که هر پیش‌بینی ساعتی مبتنی بر آخرین مشاهدات ماهواره‌ای است، گوگل می‌گوید این مدل می‌تواند آب و هوای سریع‌تر تغییر را با دقت بسیار بیشتری، با برخی از بزرگترین دستاوردها در بارش ردیابی کند - پیش‌بینی‌های باران و برف که مردم در واقع برای روزهای خود برنامه‌ریزی می‌کنند.

از سلول های شبکه تا مسیرهای طوفان

خروجی های FGN به طور قابل توجهی برای یک مدل متفاوت است. فراتر از زمینه های شبکه بندی شده، مسیرهای گردباد گسسته و مختصات پراکنده سطح ایستگاه را به عنوان پیش بینی های درجه یک به جای افزودنی های پس از پردازش منتشر می کند. این برای پیش‌بینی‌کنندگانی که طوفان‌ها و طوفان‌ها را رصد می‌کنند، اهمیت دارد، جایی که خطاهای مسیر مستقیماً به تصمیم‌های تخلیه تبدیل می‌شوند. نسل قبلی WeatherNext گوگل در ماه آگوست برای پیشرفت در پیش‌بینی طوفان استوایی توجهات را به خود جلب کرد و معماری جدید این خط کار را گسترش می‌دهد.

جایی که پیش بینی ها ظاهر می شوند

Google WeatherNext 3 را در سرتاسر Search، Gemini، Maps، Google Maps Platform و Cloud عرضه می‌کند. این شرکت همچنین دو مورد افزوده را با هدف کاربران حرفه‌ای برجسته کرد: پیش‌بینی دقیق‌تر بارش و متغیرهای جدید انرژی پاک، خروجی‌هایی که برای بخش انرژی‌های تجدیدپذیر طراحی شده‌اند، جایی که اپراتورهای باد و خورشید برای تغییرات جوی ساعتی برنامه‌ریزی می‌کنند.

شرکت‌ها می‌توانند پیش‌بینی‌ها را از طریق Google Cloud ادغام کنند، که WeatherNext 3 را نه تنها به عنوان یک ویژگی مصرف‌کننده، بلکه به‌عنوان یک محصول داده‌ای - یکی از ویژگی‌هایی که شرکت‌های کشاورزی، شرکت‌های لجستیک و اپراتورهای شبکه می‌توانند مستقیماً روی آن بسازند، قرار می‌دهد.

ادعای صحت چگونه اندازه گیری شد

ادعای گوگل مبنی بر اینکه WeatherNext 3 دقیق‌ترین مدل آب‌وهوای جهانی تا به امروز است، نه تنها به آزمایش‌های داخلی بلکه بر ارزیابی‌های زنده مستقل انجام شده توسط Brightband، یک شرکت هوش مصنوعی آب‌وهوا که معیارهای مستمر سیستم‌های پیش‌بینی را اجرا می‌کند، تکیه دارد. دعوت از ارزیابی شخص ثالث در حال تبدیل شدن به الگویی برای مدل‌های علمی گوگل است، و این انتقاد طولانی‌مدت را که مقالات هواشناسی هوش مصنوعی به جای شرایط زنده، نتایج را بر روی مجموعه‌های تاریخی انتخاب شده گزارش می‌کنند، پاسخ می‌دهد.

چرا این فراتر از برنامه چتر مهم است

اعلامیه Google آب و هوا را به عنوان ورودی برای تصمیم‌گیری‌ها در هر مقیاسی تعریف می‌کند - از گرفتن چتر گرفته تا مدیریت امواج گرما و خشکسالی که در کشاورزی، زنجیره‌های تامین جهانی، تولید انرژی پاک و اقتصادهای ملی موج می‌زند. به گفته گوگل، در سال‌های اخیر، پیش‌بینی‌کنندگان هوش مصنوعی با ایجاد پیش‌بینی‌هایی سریع‌تر از روش‌های سنتی و در عین حال که دقت آن‌ها را مطابقت می‌دهند، جایگاه خود را در این خط لوله به دست آورده‌اند.

چشم انداز رقابتی نیز در حال گرم شدن است. آژانس‌های هواشناسی و شرکت‌های فناوری به طور یکسان در سال‌های اخیر سیستم‌های پیش‌بینی هوش مصنوعی را ارسال کرده‌اند و پیش‌بینی‌های ساعتی مبتنی بر ماهواره، سطح همه آنها را بالا می‌برد. سوال سال آینده این است که آیا سرویس‌های آب و هوای ملی مدل‌هایی مانند WeatherNext 3 را به‌جای مکمل‌های آزمایشی به‌عنوان منابع اولیه تلقی می‌کنند - و آیا آهنگ ساعتی Google به خط پایه جدید صنعت تبدیل می‌شود.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →