GenCast: Prijelomni AI model DeepMinda za prognozu vremena
Brief news summary
Google DeepMind je razvio GenCast, model umjetne inteligencije posebno dizajniran za vremensku prognozu koji crpi inspiraciju iz jezičkih procesora. Trenirano na meteorološkim podacima od 1979. do 2018. godine, GenCast je postigao izuzetnu preciznost od 97% u prognozama za 2019., nadmašujući tradicionalne modele poput Ensemble Forecast (ENS), posebno u predviđanju teških vremenskih događaja poput tropskih ciklona. Ova visoka preciznost podržava primjene u upravljanju energijom vjetra i pripremi za katastrofe. GenCast je prepoznatljiv po svojim probabilističkim prognozama, koje procjenjuju vjerovatnost raznih vremenskih scenarija i pomažu zvaničnicima u planiranju za različite uvjete. Ovaj pristup se razlikuje od determinističkih modela poput Huawei's Pangu-Weather. Međutim, stručnjaci poput Aarona Hilla upozoravaju da GenCast-ova zavisnost od historijskih podataka zasnovanih na fizici može ograničiti njegovu sposobnost da predvidi nove klimatske obrasce kako se atmosferski uvjeti mijenjaju. GenCast se suočava s izazovima u predviđanju uvjeta u gornjoj troposferi i intenziteta ciklona zbog ograničenih podataka za treniranje. Namijenjen je da bude dodatak, a ne zamjena meteorolozima, koji mogu koristiti njegove prognoze za poboljšanje interpretacije i preciznosti. DeepMind planira poboljšati GenCast uključivanjem predviđanja zasnovanih na opservacionim podacima i faktorima poput vjetra i vlažnosti za bolje performanse.Google DeepMind je predstavio GenCast, AI model za vremensku prognozu koji nadmašuje trenutne sisteme. Objavljen u časopisu Nature, GenCast je drugi nedavni AI vremenski model DeepMinda, nakon NeuralGCM iz jula, koji je integrisao AI sa metodama zasnovanim na fizici i zahtevao manje računske snage, ali je radio slično kao konvencionalne prognoze. Za razliku od NeuralGCM-a, GenCast se oslanja isključivo na AI, slično kao što ChatGPT predviđa tekst, prognozirajući verovatne vremenske uslove koristeći naučene obrasce iz poređenja predikcija sa stvarnim vremenskim podacima. Trenirano je na podacima od 40 godina iz perioda od 1979. do 2018. i nadmašilo je trenutno najbolji Ensemble Forecast (ENS) u predviđanju vremena za 2019. godinu u 97% slučajeva, posebno za vetar i ekstremne događaje poput tropskih ciklona. Ovo poboljšava efikasnost energije vetra i planiranje zaštite od katastrofa. Drugi tehnološki giganti takođe koriste AI za vremenske prognoze. Nvidia je 2022.
godine izdala FourCastNet, a 2023. Huawei je pokrenuo svoj model Pangu-Weather, fokusirajući se na determinističke prognoze. Nasuprot tome, GenCast pruža probabilističke prognoze, nudeći procene verovatnoće, što pomaže u proceni raznih vremenskih scenarija radi boljeg planiranja. Iako revolucionaran, GenCast ne zamenjuje konvencionalnu meteorologiju. Oslanja se na istorijske podatke, što može biti slabost u promenljivim klimatskim uslovima, kao i na dataset poput ERA5, koji potiče iz modela zasnovanih na fizici. Mnogi atmosferski varijabli zahtevaju procene zasnovane na fizici jer nisu direktno posmatrani, što zahteva kontinuirano ažuriranje podataka. Kao što su primetili Aaron Hill sa Univerziteta u Oklahomi i Ilan Price iz DeepMinda, konzistentan unos podataka je kritičan za tačnost modela tokom vremena. Budući planovi uključuju testiranje modela sa podacima direktnog posmatranja kao što su vetar ili vlažnost. Trenutni AI modeli suočavaju se sa izazovima, kao što su predikcija uslova u gornjem troposferi ili intenziteta ciklona zbog ograničenih podataka. Kreatori GenCast-a zamišljaju saradnju sa meteorolozima radi poboljšanja prognoza, ističući ljudsku stručnost u integraciji različitih ulaza podataka i donošenju informisanih odluka.
Watch video about
GenCast: Prijelomni AI model DeepMinda za prognozu vremena
Try our premium solution and start getting clients — at no cost to you
