DeepMind von Google wendet maschinelles Lernen auf Wettervorhersagen an und besiegt traditionelle Vorhersagemethoden

Seit der Beobachtung der Sterne versucht der Mensch, das Wetter vorherzusagen. Auch der Englischunterricht in Grund- und weiterführenden Schulen lässt uns wissen, dass die meisten Grüße der Briten mit dem Wetter beginnen. Soll ich einen Regenschirm mitbringen? Wie arrangiere ich die Route von Fahrzeugen bei starkem Regen? Welche Sicherheitsmaßnahmen sind bei Outdoor-Aktivitäten zu treffen? Die Vorhersage des Wetters ist von großer Bedeutung für das tägliche Leben.

"Kurzzeitwettervorhersage" ist eine Vorhersage für den Wettertrend in den nächsten 0-12 Stunden, und "Nowcasting" ist eine Art kurzfristige Wettervorhersage, die sich speziell auf die Wettervorhersage für die nächsten 0-2 Stunden bezieht , die eine Energiequelle ist, Management, maritime Dienste, Hochwasserwarnsysteme, Flugsicherung usw. liefern wichtige Informationen zur Entscheidungsfindung.

Kürzlich hat DeepMind, ein Google-eigenes KI-Labor, einen Artikel in Nature veröffentlicht. Der Forschungsinhalt besteht darin, maschinelles Lernen auf Niederschlags-Nowcasting anzuwenden und ein tiefgreifendes generatives Modell (Deep Generative Model, im Folgenden als DGM bezeichnet) zu erstellen.

Die Allianz aus Umweltwissenschaft und Künstlicher Intelligenz hat dem Nowcasting einen neuen Weg eröffnet. DeepMind glaubt, dass die aktuell anstehende Prognose zwei Probleme hat.

Einerseits wird die heutige Wettervorhersage hauptsächlich durch das Numerical Weather Prediction System (NWP) gesteuert, aber es ist für NWP schwierig, innerhalb von 2 Stunden hochauflösende Vorhersagen für die nahe Zeit zu erstellen , und Nowcasting füllt dieses kritische Intervall. Allerdings weisen die gängigen Nowcasting-Methoden auch Mängel auf – es ist nicht einfach, wichtige nichtlineare Ereignisse zu erfassen.

Auf der anderen Seite wurden in den letzten Jahren mehrere auf maschinellem Lernen basierende Klimavorhersagemethoden entwickelt, die zwar Niederschläge mit geringer Intensität genau vorhersagen können, aber bei seltenen mäßigen und starken Regenereignissen keine gute Leistung erbringen.

Kurz gesagt, DeepMind glaubt, dass es, um Nowcasting wertvoller zu machen, genaue Vorhersagen liefern, die Unsicherheit vollständig berücksichtigen und statistisch signifikante Verbesserungen bei Starkregenvorhersagen erzielen muss.

Gleichzeitig haben Fortschritte in der Wettererfassung den Einsatz hochauflösender Radare bei hohen Frequenzen ermöglicht, oft alle 5 Minuten mit einer Auflösung von 1 km. Diese qualitativ hochwertigen Daten bieten Möglichkeiten für das Eingreifen von maschinellen Lerntechnologien.

Das DGM von DeepMind erlernte die Wahrscheinlichkeitsverteilung der Daten und wurde anhand einer Vielzahl von Niederschlagsereignisdatensätzen trainiert, die von 2016 bis 2018 vom britischen Radar aufgezeichnet wurden. Nach dem Training kann es Nowcasts bereitstellen, nachdem es für etwas mehr als eine Sekunde auf einer einzelnen NVIDIA V100-GPU ausgeführt wurde. DeepMind behauptet, dass DGM Wetterereignisse vorhersagen kann, die unter potenzieller Zufälligkeit schwer zu verfolgen sind, und den Ort des Niederschlags genau vorhersagen kann.

Von 56 Meteorologen beurteilt, hat DGM im Vergleich zu Mainstream-Nowcasting und anderen Machine-Learning-Modellen ein realistischeres und konsistenteres Nowcasting in einem Bereich von 1536 km × 1280 km, verglichen mit den anderen beiden in 89% der Fälle Die Methode ist mehr genau und praktisch, und die Einfahrzeit beträgt 5 bis 90 Minuten.

Künstliche Intelligenz hat mehr Einsatzmöglichkeiten im Bereich des Klimawandels. Im Oktober 2019 nutzten Forscher künstliche Intelligenz, um Extremwetterbilder zu erstellen , um den Klimawandel zu visualisieren. Es ist schwierig, für Klimafragen eine kollektive Mobilisierung hervorzurufen, auch weil die Menschen glauben, dass diese Veränderungen normalerweise in fernen Zeit und Raum stattfinden. Daher können nur persönlich relevante und sogar emotionale Informationen eine wirklich effektive Kommunikation erzeugen.

Die Forscher geben Bilder verschiedener Orte und Gebäudetypen (wie Häuser, Bauernhöfe, Straßen, Städte) ein, um mehr als ein Dutzend Synthesemuster für künstliche Intelligenz zu bilden, und bitten die Bewerter dann, zwischen realen Bildern und halbgenerierten Bildern zu wählen, um den durchschnittlichen Fehler zu berechnen Rate. Die ultimative Vision dieser Arbeit besteht darin, eine maschinelle Lernarchitektur zu schaffen, um die realistischsten Bilder unter extremen Wetterbedingungen zu erzeugen, einschließlich Überschwemmungen, Waldbränden, tropischen Wirbelstürmen und noch mehr katastrophalen Ereignissen, basierend auf dem vom Benutzer ausgewählten Standort.

"Klimawandel" ist das Stichwort dieses Jahres. Im Jahr 2021 wurde der Nobelpreis für Physik an drei Wissenschaftler verliehen, von denen zwei für die Erforschung des "Aufbaus eines physikalischen Modells des Erdklimas, der Quantifizierung seiner Variabilität und" zuverlässige Vorhersage der globalen Erwärmung" . Laut CDP, einer internationalen Non-Profit-Organisation, werden die 500 größten Unternehmen der Welt in den nächsten Jahrzehnten etwa 1 Billion US-Dollar zahlen müssen, um die mit dem Klimawandel verbundenen Kosten zu decken, es sei denn, sie ergreifen im Voraus positive Maßnahmen.

Der Senior Researcher von DeepMind, Shakir Mohamed, glaubt:

Die Fähigkeit, komplexe Phänomene zu modellieren, schnelle Vorhersagen zu treffen und Unsicherheiten auszudrücken, macht künstliche Intelligenz zu einem leistungsstarken Werkzeug für Umweltwissenschaftler.

In Übereinstimmung mit dieser Situation können das Modell von DeepMind und andere ähnliche Modelle eine breite Palette von Anwendungen haben, die Prognostikern helfen, weniger Zeit damit zu verbringen, den ständig wachsenden Haufen von Prognosedaten zu durchsuchen, um sich auf die Bedeutung der Prognose zu konzentrieren.

#Willkommen, um dem offiziellen WeChat-Account von Aifaner zu folgen: Aifaner (WeChat-ID: ifanr), weitere spannende Inhalte werden Ihnen so schnell wie möglich zur Verfügung gestellt.

Ai Faner | Ursprünglicher Link · Kommentare anzeigen · Sina Weibo