Isang indibidwal na mananaliksik na may desktop computer ay maaaring ngayon maghatid ng tumpak na mga taya ng panahon salamat sa bagong pamamaraan ng prediksyon na nakabatay sa AI na mas mabilis ng sampung beses at gumagamit ng libu-libong beses na mas kaunting kapangyarihan ng computation kumpara sa mga tradisyonal na sistema. Sa kasalukuyan, ang pagtataya ng panahon ay isang kumplikadong proseso na may maraming yugto, bawat isa ay tumatagal ng ilang oras sa mga espesyal na supercomputer, at nangangailangan ng malalaking koponan ng mga eksperto upang lumikha, panatilihin, at ipatupad ang mga taya. Nagbibigay ang Aardvark Weather ng komprehensibong solusyon sa pamamagitan ng pagsasanay ng AI gamit ang mga raw data na nakolekta mula sa mga istasyon ng panahon, satellite, mga weather balloon, mga barko, at mga eroplano sa buong mundo, na nagpapahintulot dito na lumikha ng mga taya. Ang makabagong ito ay may potensyal na makabuluhang mapabuti ang bilis, katumpakan, at cost-effectiveness ng mga taya ng panahon, ayon sa pananaliksik na inilathala noong Huwebes sa Nature, na isinulat ng Unibersidad ng Cambridge, Alan Turing Institute, Microsoft Research, at European Centre for Medium-Range Weather Forecasts (ECMWF). Ipinahayag ni Richard Turner, isang propesor ng machine learning sa Unibersidad ng Cambridge, na ang pamamaraan ay maaaring magpadali ng mabilis, pinasadyang mga taya para sa mga tiyak na industriya o rehiyon, tulad ng pag-predik ng temperatura para sa agrikultura sa Africa o bilis ng hangin para sa mga kumpanya ng renewable energy sa Europa. Kabaligtaran sa mga tradisyunal na sistema ng forecasting, na nangangailangan ng mga taon ng pag-unlad mula sa mga malalaking koponan ng pananaliksik upang lumikha ng mga customized na modelo, ang mga tradisyunal na supercomputer ay nangangailangan ng mga oras upang iproseso ang totoong data para sa pagbubuo ng modelo. “Isa ito sa mga fundamentally na ibang pamamaraan kumpara sa mga nakaraang metodolohiya. Maliwanag na ito ay magrerebolusyon sa forecasting at magtatakda ng bagong pamantayan, ” sabi ni Turner, na idinagdag na ang modelo ay sa kalaunan ay makakabuo ng tumpak na walong araw na mga taya, na lampas sa kasalukuyang limang araw na mga prediksyon, habang naghatid din ng hyper-localized na mga taya. Hinimok ni Dr. Scott Hosking, ang direktor ng agham at inobasyon para sa kapaligiran at sustinabilidad sa Alan Turing Institute, ang potensyal ng pag-unlad na ito na “demokratize ang forecasting, ” na ginagawang accessible ang mga advanced na teknolohiya sa mga umuunlad na bansa, at tumutulong sa mga policymaker, emergency planners, at mga industriya na umaasa sa maaasahang mga taya ng panahon. Pinapahayag ni Dr.

Anna Allen, ang lead author ng pag-aaral mula sa Unibersidad ng Cambridge, na ang pananaliksik ay nagbubukas ng mga pintuan para sa mas epektibong mga taya ng natural na kalamidad tulad ng mga bagyo, sunog sa kagubatan, at mga tornado, pati na rin para sa mga isyu na may kaugnayan sa klima tulad ng kalidad ng hangin, dinamika ng karagatan, at mga prediksyon ng yelo sa dagat. Pinapagbuti ng Aardvark ang mga kamakailang pananaliksik mula sa Huawei, Google, at Microsoft, na nagpakita na ang isang hakbang sa proseso ng prediksyon ng panahon, na kilala bilang numerikal na solver—na responsable sa pagkalkula kung paano nagbabago ang panahon sa paglipas ng panahon—ay maaaring mapalitan ng AI upang makakuha ng mas mabilis at mas tumpak na mga prediksyon. Ang pamamaraang ito ay kasalukuyang isinasagawa ng ECMWF. Tinalakay ng mga mananaliksik na sa pamamagitan ng paggamit ng 10% ng data na kinakailangan ng mga umiiral na sistema, ipinakita na ng Aardvark ang kakayahang lumampas sa ilang aspeto ng US National GFS forecasting system at nakikipagkumpitensya sa mga taya mula sa United States Weather Service.