科学としての気象学は技術の発展のおかげで進歩しています。現在、いつどこで雨が降るかを直接予測できるコンピュータ プログラムがいくつかあります。の会社 ディープマインド 雨が降る時期と場所をほぼ正確に予測できる人工知能を開発しました。 この会社は、英国の気象学者と協力して、現在のシステムよりも短期的な予測を行うのに適したモデルを作成しました。
この記事では、ロブレダ株式市場と DeepMind の天気予報テクノロジーについて知っておくべきことをすべてお伝えします。
天気予報
ロンドンを拠点とする人工知能企業、DeepMindは、ディープラーニングを難しい科学的問題に適用するキャリアを続けています。ディープマインドは英国国立気象局と協力し、DGMRと呼ばれるディープラーニングツールを開発した。このツールは、気象予報士にとって重要な課題である、今後90分間の降雨確率を正確に予測することができる。 天気予報.
既存のツールと比較すると、何十人もの専門家が、DGMRの予測は、89％の確率で、場所、範囲、動き、雨の強さの予測など、いくつかの要因で最良であると考えています。 DeepMindの新しいツールは、科学者が何十年にもわたって解決しようとしてきた生物学の新しい鍵を開きます。
ただし、予測のわずかな改善でも重要です。 雨、特に大雨を予測することは、野外活動から航空サービスや緊急事態まで、多くの産業にとって重要です。 しかし、それを正しくすることは困難です。 空にどれだけの水があり、いつどこに落ちるかは、多くの気候プロセスに依存します。 気温の変化、雲の形成、風など。これらの要素はそれぞれ単独でも十分複雑ですが、組み合わせるとさらに複雑になります。この現象について詳しく知りたい場合は、 気象学の定義.
利用可能な最良の予測技術は、大気物理学の多数のコンピューターシミュレーションを使用します。 これらは長期的な予測には適していますが、次のXNUMX時間に何が起こるかを予測するのはあまり得意ではありません。 これは即時予測と呼ばれます。
DeepMindの開発
これまでにもディープラーニング技術が開発されてきましたが、これらの技術は通常、位置の予測など、ある側面では優れたパフォーマンスを発揮しますが、力の予測など、別の側面ではパフォーマンスが低下します。即時の降雨量を予測するのに役立つ大雨のレーダーデータは、気象学者にとって依然として大きな課題です。
DeepMindチームは、レーダーデータを使用してAIをトレーニングしました。 多くの国や地域では、XNUMX日を通して雲の形成と動きを追跡するレーダー測定のスナップショットを頻繁に公開しています。 たとえば、英国では、新しい測定値がXNUMX分ごとに投稿されます。 これらのスナップを組み合わせると、国の雨のパターンがどのように変化するかを示す最新のストップモーションビデオを取得できます。
研究者は、このデータをGANと同様の深層生成ネットワークに送信します。GANは、トレーニングで使用される実際のデータと非常によく似た新しいデータサンプルを生成できるトレーニング済みAIです。 GANは、偽のレンブラントを含む偽の顔を生成するために使用されてきました。 この場合、DGMR（「GenerativeDeep Rain Model」の略）は、実際の測定シーケンスを継続する誤ったレーダースナップショットを生成することを学習しました。
DeepMindAI実験
DeepMindで調査を主導したShakirMohamedは、これは映画の静止画をいくつか見て、次に何が起こるかを推測することと同じだと述べました。 この方法をテストするために、チームは気象局の56人の気象学者（作業に関与していなかった）に、より高度な物理シミュレーションと一連の敵を調査するように依頼しました。
89％の人が、DGMRの結果を好むと答えました。 機械学習アルゴリズムは通常、予測がどれだけ優れているかを簡単に測定するために最適化しようとします。 ただし、天気予報にはさまざまな側面があります。 たぶん、予測は正しい場所で間違った雨の強さを得ましたまたは、別の予測では強度の組み合わせは正しかったものの、場所が間違っていた、などです。気象システムの仕組みについて詳しく知るには、以下を読むことをお勧めします。 高気圧と低気圧の違い.
DeepMindは、科学で知られているすべてのタンパク質の構造を解放すると述べた。 同社は、AlphaFoldタンパク質フォールディング人工知能を使用して、ヒトのプロテオーム、酵母、ミバエ、マウスの構造を生成しました。
DeepMindとMetOfficeのコラボレーション エンドユーザーと協力してAI開発を完了する良い例です。 明らかに、これは良いアイデアですが、実際にはそうならないことがよくあります。チームは数年にわたってこのプロジェクトに取り組み、気象局の専門家からの意見がプロジェクトの形を形作りました。ディープマインドの研究科学者、スマン・ラヴリ氏はこう語った。「これは、私たち自身の実装とは異なる方法で、私たちのモデルの開発を促進します。」 「そうしないと、結局は特に役に立たないモデルを作ってしまうかもしれません。」気象学の様々な応用について詳しくは、次の記事をご覧ください。 気象学におけるドローン.
DeepMindは、そのAIが実用的なアプリケーションを持っていることを示すことにも熱心です。 Shakirにとって、DGMRとAlphaFoldは同じストーリーの一部です。同社は、パズルを解く長年の経験を活用しています。 おそらくここで最も重要な結論は、DeepMindがついに現実世界の科学的問題のリストを開始したということです。
天気予報の進歩
天気予報は、私たちの大気がどのように機能するかを完全に理解することにますます近づくにつれて、技術の開発によってサポートされなければなりません。 多くの場合、人間と彼の計算は、人工知能の開発によって回避できる一般的な間違いにさらされる可能性があります。
天気予報は人間にとって重要なものです。なぜなら、私たちは多くの情報を利用できるからです。 より効率的な水資源と嵐や大雨でのいくつかの大災害を回避します。 このため、気象学者は降雨を予測するための人工知能プロジェクトを開発することにますます同意しています。
この情報を使用して、DeepMindプロジェクトとその特性について詳しく知ることができれば幸いです。