Google DeepMind ima novi napredak u oblasti AI vremenskih prognoza: GenCast
Google DeepMind je predstavio novi napredniji model umjetne/vještačke inteligencije za prognoziranje vremena, nazvan GenCast, koji pruža pouzdane prognoze do 15 dana unaprijed. GenCast omogućava brže, preciznije i praktičnije vremenske prognoze, koje su od presudne važnosti u eri sve češćih i intenzivnijih vremenskih nepogoda izazvanih globalnim zagrijavanjem. Za razliku od tradicionalnih modela koji zahtijevaju ogromnu računalnu […] The post Google DeepMind ima novi napredak u oblasti AI vremenskih prognoza: GenCast appeared first on Nauka govori.
- Google DeepMind je predstavio novi napredniji model umjetne/vještačke inteligencije za prognoziranje vremena, nazvan GenCast, koji pruža pouzdane prognoze do 15 dana unaprijed.
- GenCast omogućava brže, preciznije i praktičnije vremenske prognoze, koje su od presudne važnosti u eri sve češćih i intenzivnijih vremenskih nepogoda izazvanih globalnim zagrijavanjem.
- Za razliku od tradicionalnih modela koji zahtijevaju ogromnu računalnu snagu i resurse, GenCast koristi efikasniji AI pristup, smanjujući vrijeme i troškove potrebne za generiranje prognoza, čime otvara vrata širem korištenju naprednih vremenskih prognoza.
Neko ima Nedima Sladića, pa pita kakvo će vrijeme biti, a neko razvija umjetnu inteligenciju koja predviđa vremenske prilike. Vremenske prognoze postaju sve preciznije, posebno srednjoročne prognoze. I ne samo to – ove tradicionalne modele prognoziranja vremena u usavršavanju prate i modeli umjetne inteligencije. Tokom 80-tih, tačnost vremenske prognoze iznosila je oko 65%, jedva malo bolje od susjeda sa kostoboljom, a danas je to mnogo više.
ENS odnosno, Ensemble Prediction System – ansambl sistem prognoziranja koji koristi Evropski centar za srednjoročne vremenske prognoze (ECMWF) smatra se jednim od najpouzdanijih modela za srednjoročne vremenske prognoze u svijetu, ali njegova primjena je ograničena ogromnim zahtjevima za računalnom snagom i vremenskim resursima potrebnim za obradu podataka. Upravo zbog tih ograničenja, novi AI modeli postaju atraktivna alternativa.
Kada sam na Heidelberg Laureate Forum postavila pitanje Vintonu Cerfu oko problematike ogromnih energetskih potreba servera umjetne inteligencije, on se složio da to jeste problem, ali da postoje i primjeri kada umjetna inteligencija troši manje energije nego konvencionalna tehnologija. A taj primjer su bile vremenske prognoze koje rade modeli pod okriljem Google, za koji Cerf radi.
Google je u zadnjih godinu dana izašao sa nekoliko AI modela koji predviđaju vrijeme i vremenske (ne)prilike. Tu je bio GraphCast, pa NeuralGCM, da bi u decembru 2024. predstavili i model GenCast.
Google DeepMind razvio je prvi AI model za predviđanje vremena tačniji od najboljeg sistema koji se trenutno koristi. Najbolji svjetski operativni model srednjeg dometa, spomenuti Evropski centar za srednjoročne vremenske prognoze, temelji se na matematičkim modelima koji simuliraju zakone fizike koji upravljaju Zemljinom atmosferom. DeepMindov novi GenCast sistem obučen je na istorijskim vremenskim podacima, što mu je omogućilo da izvuče složene odnose između varijabli kao što su vazdušni pritisak, vlažnost, temperatura i vjetar. U borbi za predviđanje vremena 2019. godine, GenCast je pobijedio ENS u 97% mjerenja koje se koriste za procjenu ovih vrsta ‘probabilističkih’ prognoza u odnosu na ono što se stvarno dogodilo, objavio je tim Google DeepMind u časopisu Nature.
Impresivno je da GenCast pruža pouzdane prognoze i za svakodnevne vremenske prilike i za ekstremne vremenske nepogode, s predviđanjima koja dosežu do 15 dana unaprijed. Njegova visoka rezolucija (0,25°) i probabilistički pristup pružaju donosiocima odluka cjelovitiju sliku mogućih vremenskih uslova i njihovih vjerovatnoća. Ova mogućnost je posebno važna u eri kada su ekstremne vremenske nepogode sve češće i ozbiljnije usljed klimatskih promjena.
Tradicionalni modeli zahtijevaju sate za generisanje prognoza, uz veliku potrošnju energije i resursa. Nasuprot tome, GenCast, zahvaljujući obuci na istorijskim podacima, omogućava brže rezultate uz manju potrošnju resursa. Ova efikasnost ima potencijal da globalno promijeni dostupnost i pravovremenost vremenskih prognoza.
Pitate se kako se ovaj model razlikuje od prethodnih Googleovih modela? Neural GCM i GraphCast su takođe koristili pristupe temeljene na umjetnoj inteligenciji za vremenske prognoze, ali GenCast ide korak dalje u preciznosti, posebno u predviđanju ekstremnih vremenskih događaja poput uragana, toplotnih valova i poplava. GraphCast, prethodnik GenCasta, bio je sposoban za kratkoročne prognoze, ali nije u istoj mjeri primjenjivao probabilistički pristup. GenCast je usmjeren na pružanje probabilističkih prognoza koje uzimaju u obzir raspon mogućih scenarija, čime omogućava preciznije upravljanje rizicima povezanima s ekstremnim vremenskim uvjetima.
Google očito testira različite pristupe korištenju umjetne inteligencije u predviđanju vremena, očito shvativši i komercijalnu vrijednost ovakvih modela. Transparentnost koju nudi DeepMind dodatno izdvaja GenCast. Kompanija planira da objavi kod, podatke i prognoze ovog sistema kako bi podržala širu zajednicu u oblasti meteorologije. Ovaj kolaborativni pristup mogao bi ubrzati usvajanje AI tehnologija u vremenskoj prognozi, omogućujući brža i preciznija predviđanja koja mogu spasiti živote i ublažiti posljedice klimatskih promjena.
Ovo je jedan od najpozitivnijih i korisnih primjera upotrebe umjetne inteligencije.
Price, I., Sanchez-Gonzalez, A., Alet, F. et al. Probabilistic weather forecasting with machine learning. Nature (2024). https://doi.org/10.1038/s41586-024-08252-9
Reference:
The post Google DeepMind ima novi napredak u oblasti AI vremenskih prognoza: GenCast appeared first on Nauka govori.
Koja je vaša reakcija?
