
مدل گوگل WeatherNext 3 با پیش بینی ساعتی، وضوح ۵ مسافت پیموده شده و بهبود ۶۰ وی درصدی از پیش بینی بارش را برای افزایش دقت هواشناسی معرفی کرد.
به گزارش سرویس هوش مصنوعی مجردگوگل اعلام کرده است که WeatherNext 3 به تدریج در اطلاعات آب و هوای نمایش داده شده در جستجوی گوگل، گوگل مپ و جمینی استفاده خواهد شد. کاربران و محققان می توانند از این مدل در پلتفرم های ابری گوگل نیز استفاده کنند.
Sameer Merchant، مهندس ارشد گوگل، به TechCrunch گفت که برخی از متغیرهای کلیدی WeatherNext 3 می توانند داده های مورد نیاز برای تعدادی از محصولات گوگل را برای اولین بار فراهم کنند.
WeatherNext 3 دقیق ترین عملکرد را در بین مدل های پیشرو در آزمایش های انجام شده با Operational WeatherBench دارد. این سیستم معیارهایی مانند دما، سرعت باد و رطوبت را برای مقایسه مدلهای پیشبینی بررسی میکند.
علاوه بر مدلهای یادگیری عمیق که توسط گوگل، مایکروسافت، انویدیا و مرکز اروپایی پیشبینیهای هوای میانبرد توسعه یافتهاند، WeatherNext 3 نیز از پیشبینیهای سنتی خدمات آبوهوای ملی ایالات متحده و ECMWF بهتر عمل کرد.
WeatherNext 3 پیش بینی هایی با وضوح 5 کیلومتر ارائه می دهد

بیشتر پیشبینیهای هواشناسی هنوز با استفاده از ابررایانههای دولتی انجام میشوند که معادلات پیچیده ریاضی مرتبط با فیزیک جو را پردازش میکنند.
این سیستم ها در مقایسه با مدل های هوش مصنوعی بسیار دقیق، اما گران و کندتر هستند.
پس از انتشار بیش از نیم قرن داده های آب و هوایی تولید شده توسط ECMWF در سال 2018، محققان یادگیری عمیق مدل هایی را آموزش دادند که می توانند پیش بینی ها را بسیار سریعتر و با دقتی مشابه ابزارهای دولتی انجام دهند.
مدلهای هوش مصنوعی قبلی با چندین محدودیت مهم روبرو بودند. این مدل ها معمولاً پیش بینی هایی را در محدوده ای بزرگتر از نیاز واقعی، در حدود 15 تا 25 کیلومتر مربع ارائه می کردند و همیشه در پیش بینی بارش عملکرد خوبی نداشتند.
آنها همچنین همچنان به مجموعه داده های استاندارد شده از سازمان های دولتی وابسته بودند.
WeatherNext 3 برای حل این مشکلات طراحی شده است. محققان می گویند این مدل می تواند پیش بینی هایی با وضوح 5 کیلومتر در متغیرهای مهم ارائه دهد.
عملکرد آن در ارزیابی بارش نیز در مقایسه با WeatherNext 2 حدود 60 درصد بهبود یافته است. این مدل همچنین پیش بینی های ساعتی را ارائه می دهد، در حالی که پیش بینی استاندارد معمولاً هر شش ساعت است.
بیشتر بخوانید: با Gmail و Docs صحبت کنید! دستیار صوتی به برنامه های گوگل اضافه شده است
استفاده از داده های ماهواره ای خام برای پیش بینی های ساعتی

WeatherNext 3 یک مدل بزرگتر از نسل قبلی است و 2.4 برابر پارامترهای بیشتری دارد. محققان همچنین این مدل را برای پیشبینی دادههای ایستگاههای هواشناسی خاص آموزش دادند.
این روش امکان ارائه پیش بینی های دقیق تر در نقاط خاص و مقایسه مستقیم نتایج با داده های واقعی ایستگاه ها را فراهم می کند.
این مدل میتواند بیشتر پیشبینی کند زیرا دادههای زنده و ساعتی را از ماهوارههای هواشناسی دریافت میکند.
استفاده از مشاهدات خام و دنیای واقعی، به جای تحلیلهای تولید شده توسط ابررایانههای هواشناسی، میتواند دقت پیشبینی را افزایش دهد، اگرچه پردازش دادههای قالببندی نشده هنوز از نظر فنی دشوار است.
گوگل WeatherNext 3 را اولین مدل هوش مصنوعی می نامد که مستقیماً داده های خام را برای پیش بینی جهانی با وضوح بالا پردازش می کند.
با این حال، شرکت هوش مصنوعی هواشناسی WindBorne اعلام کرده است که مدل WeatherMesh 6 این شرکت، دادههای خام از بالنهای هواشناسی و سایر منابع را در فرآیند پیشبینی از اواخر سال 2025 ترکیب میکند.
گوگل در پاسخ گفت که پیش بینی های WeatherNext 3 دارای وضوح بالاتری در سراسر جهان هستند.
هر دو مدل هنوز برای پیشبینی به مجموعه دادههای ملی هواشناسی متکی هستند و برای دستیابی به استفاده مستقیم و کامل از دادههای خام به تحقیقات بیشتری نیاز است.
هوش مصنوعی در سال های اخیر اهمیت زیادی در زمینه هواشناسی پیدا کرده است. سازمان های هواشناسی اروپایی و آمریکایی از مدل های هوش مصنوعی در محصولات پیش بینی خود استفاده می کنند. سرعت بیشتر و هزینه کمتر این مدل ها می تواند دسترسی به پیش بینی های دقیق در مناطق محروم را افزایش دهد.
بیل گیتس نیز اخیرا پیش بینی آب و هوا با هوش مصنوعی را یکی از مزیت های مهم این فناوری دانست و گفت: پیش بینی های دقیق تر می تواند به افزایش محصولات کشاورزی در کشورهای در حال توسعه کمک کند.
محققان DeepMind همچنین معتقدند که پیشبینی دقیقتر باد، بارش و پوشش ابر میتواند قابلیت اطمینان پروژههای انرژی تجدیدپذیر را افزایش دهد.
بیشتر بخوانید: هوش مصنوعی گوگل محصولات را 49 درصد گران تر نشان می دهد
















گفتگو در مورد این post