A Microsoft kutatói szerint mesterséges tanulással megoldották azt a problémát, hogy az időjárás-előrejelzések két hét után megbízhatatlanná válnak. A cég által kifejlesztett eszköz a meglévő modellekben rejlő szisztematikus torzítást korrigálja gépi tanulás segítségével, így két-hat héttel előre is pontosabb előrejelzéseket tesz lehetővé – ami a gazdálkodóknak és a katasztrófavédelmi szerveknek nagyobb biztonságot nyújt a tervezésben. A Nature folyóiratban megjelent kutatás eredményeként a módszer nyílt forráskódú szoftverként érhető el, és a hagyományos szuperszámítógépes fizikai modellekkel vagy a nagy teljesítményű GPU-kat igénylő generatív AI-val szemben akár processzorokon is futtatható.
A hagyományos, fizikán alapuló és az AI-alapú modellek egyaránt hasonló nehézségekbe ütköznek, amikor két hétnél messzebbre tekintenek előre: a hiányos adatokat közelítésekkel pótolják, ami rendszerszintű torzításként halmozódó hibákhoz vezet. A Microsoft Probabilistic Bias Correction (PBC) nevű módszere gépi tanulással azonosítja ezt a torzítást és korrigálja – például figyelembe veszi, hogy az éghajlatváltozás miatt a fosszilis tüzelőanyagok kibocsátása melegíti a bolygót, miközben egy modell a történelmi adatokra támaszkodva a valóságosnál hidegebb hőmérsékletet jósolhat. A kutatók szerint a PBC az Európai Középtávú Időjárás-előrejelző Központ (ECMWF) vezető fizikai modelljének pontosságát a csapadékcélok 98, a hőmérsékleti célok 92 százalékában javította, az ECMWF új AI-alapú rendszerének pontosságát pedig megduplázta.
Matthew Chantry, az ECMWF gépi tanulásért felelős stratégiai vezetője szerint a Microsoft, az MIT és az ECMWF kutatóinak közös munkája jó példa arra, hogyan születnek a közösség javát szolgáló új ötletek, ugyanakkor az ötletek operatív folyamatokba való átültetése mindig komoly kihívást jelent. Az előrejelzéshez szükséges számítási kapacitás és infrastruktúra miatt sok fejlődő ország intézménye számára elérhetetlenek maradtak a technológiai újítások, a PBC azonban könnyűsúlyú és könnyen tanítható, így nagy erőforrások nélkül is finomhangolható helyi viszonyokra. A tanulmány egyik szerzője, Genevieve Flaspohler – aki a Microsoftnál gyakornokként dolgozott a projekten, és ma a Rhiza Research nonprofit szervezet ügyvezető igazgatója – a kenyai meteorológiai szolgálattal együtt, a Gates Alapítvány támogatásával vizsgálja, hogy az AI hogyan segíthet pontosabb korai figyelmeztetéseket eljuttatni az emberekhez; a PBC az egyik tesztelt módszer a rekordot döntő El Niño idején várható szélsőségesebb esős évszak előtt.
Ez a cikk a Neural News AI (V1) verziójával készült.
Forrás: https://www.theverge.com/science/1011127/ai-weather-forecast-microsoft.
A képet BoliviaInteligente készítette, mely az Unsplash-on található.
