مدل هوش مصنوعی؛ تحول در پیش‌بینی وضعیت هوا

تکنولوژی جدید پیش‌بینی وضعیت هوا را متحول می‌کند

Aardvark Weather سیستمی است که از هوش مصنوعی برای ارائه پیش‌بینی‌های دقیق در چند دقیقه استفاده می‌کند مستقیماً از یک کامپیوتر دسکتاپ معمولی. این سیستم ده‌ها برابر سریع‌تر از روش‌های فعلی است و تنها به بخشی از توان محاسباتی نیاز دارد، این تکنولوژی توسط دانشمندان دانشگاه کمبریج با حمایت موسسات Alan Turing Institute، Microsoft Research و ECMWF توسعه یافته است، این سیستم پایه‌گذار نوع جدیدی از پیش‌بینی‌ها است که می‌تواند نحوه درک و آمادگی برای وضعیت هوا در سراسر جهان را تغییر دهد.

چگونگی عملکرد پیش‌بینی وضعیت هوا به روش سنتی

در حال حاضر، بیشتر پیش‌بینی‌های وضعیت هوا از سیستم‌های عظیمی می‌آید که برای اجرای آن‌ها به سوپرکامپیوترها نیاز است. این سیستم‌ها بسیار دقیق هستند، اما گران، پیچیده و کند، هر مرحله از فرآیند پیش‌بینی  از جمع‌آوری داده‌ها تا تولید پیش‌بینی‌های محلی  ساعت‌ها طول می‌کشد و شامل مراحل فنی متعددی است حتی به‌روزرسانی‌های جزئی در این سیستم‌ها نیاز به تیم‌های بزرگی از کارشناسان و سال‌ها زمان دارد.

اخیراً شرکت‌هایی مانند Huawei، Google و Microsoft نشان داده‌اند که هوش مصنوعی می‌تواند یکی از این مراحل حل‌کننده‌های عددی که نحوه تکامل سیستم‌های جوی را محاسبه می‌کنند را جایگزین کند، این امر باعث شده که پیش‌بینی‌ها هم سریع‌تر و هم دقیق‌تر شوند. ECMWF در حال حاضر از ترکیبی از این ابزارهای سنتی و مبتنی بر هوش مصنوعی استفاده می‌کند.

رویکرد جدید در پیش‌بینی وضعیت هوا

Aardvark یک گام فراتر می‌رود  این سیستم کل فرآیند پیش‌بینی را با یک مدل یادگیری ماشین واحد جایگزین می‌کند. سیستم داده‌های واقعی زمان از ماهواره‌ها، حسگرها و ایستگاه‌های هواشناسی را دریافت کرده و فوراً پیش‌بینی‌های محلی و جهانی را تولید می‌کند.

نتیجه؟ پیش‌بینی‌های بسیار سریع که می‌توانند روی یک کامپیوتر دسکتاپ تولید شوند و چون این سیستم مستقیماً روی داده‌ها آموزش دیده است، بسیاری از مشکلاتی که با طراحی مدل‌های جدید پیش‌بینی از ابتدا وجود دارد را اجتناب می‌کند.

پروفسور ریچارد ترنر، محقق اصلی پیش‌بینی وضعیت هوا در Alan Turing Institute و استاد یادگیری ماشین در دپارتمان مهندسی دانشگاه کمبریج است، پروفسور ترنر گفت: “Aardvark روش‌های پیش‌بینی وضعیت هوا را بازتصور می‌کند و پتانسیل این را دارد که پیش‌بینی‌های وضعیت هوا را سریع‌تر، ارزان‌تر، انعطاف‌پذیرتر و دقیق‌تر از همیشه کند و کمک کند تا پیش‌بینی وضعیت هوا در کشورهای توسعه‌یافته و در حال توسعه تحول پیدا کند.”

“مهم است که بگوییم Aardvark بدون توسعه دهه‌ها مدل‌های فیزیکی توسط جامعه ممکن نبوده است، و ما به‌طور خاص از ECMWF به‌خاطر مجموعه داده‌های ERA5 که برای آموزش Aardvark ضروری است، سپاسگزاریم.”

انجام بیشتر با داده‌های کمتر

حتی زمانی که Aardvark تنها از 10٪ داده‌هایی که مدل‌های سنتی نیاز دارند استفاده می‌کند، هنوز در بسیاری از شاخص‌ها از سیستم پیش‌بینی GFS ملی ایالات متحده پیشی می‌گیرد، Aardvark همچنین در برابر پیش‌بینی‌هایی که توسط تحلیلگران خبره با استفاده از ده‌ها مدل تولید می‌شود، عملکرد خوبی دارد. این کارایی باعث می‌شود که Aardvark نه تنها سریع، بلکه فوق‌العاده منعطف باشد.

این مدل می‌تواند به سرعت آموزش ببیند تا پیش‌بینی‌های خاص به موقعیت تولید کند مانند بارش باران برای مزارع آفریقایی یا سرعت باد برای مزارع بادی اروپایی. این سطح از سفارشی‌سازی قبلاً سال‌ها طول می‌کشید تا ساخته شود. با Aardvark، این می‌تواند در عرض چند هفته اتفاق بیفتد آنا آلن، نویسنده اصلی از دانشگاه کمبریج گفت: “این نتایج تنها شروعی از آنچه است که Aardvark می‌تواند به دست آورد.”

او افزود: “این رویکرد یادگیری از ابتدا تا انتها می‌تواند به راحتی برای حل مشکلات دیگر پیش‌بینی وضعیت هوا، مانند طوفان‌ها، آتش‌سوزی‌ها و گردبادها اعمال شود. فراتر از وضعیت هوا، کاربردهای آن به پیش‌بینی سیستم‌های وسیع‌تر زمین، از جمله کیفیت هوا، دینامیک اقیانوس‌ها و پیش‌بینی یخ دریا گسترش می‌یابد.”

پیش‌بینی برای همه

یکی از ویژگی‌های امیدوارکننده Aardvark، دسترسی‌پذیری آن است. از آنجا که این مدل به سوپرکامپیوترهای گران‌قیمت وابسته نیست، می‌توان از آن در هر جایی استفاده کرد  حتی در کشورهایی با زیرساخت‌های محاسباتی محدود. این امر زمینه را برای پیش‌بینی و برنامه‌ریزی وضعیت هوا هموار می‌کند.

متیو چنتری، مدیر استراتژیک یادگیری ماشین در ECMWF گفت: “ما از همکاری در این پروژه که نسل جدیدی از سیستم‌های پیش‌بینی وضعیت هوا را بررسی می‌کند، بسیار خوشحالیم بخشی از ماموریت ما برای توسعه و ارائه پیش‌بینی وضعیت هوا با استفاده از هوش مصنوعی و به اشتراک‌گذاری داده‌ها برای منافع علم و جامعه.”

“مهم است که دانشگاه و صنعت برای حل چالش‌های فناوری و بهره‌برداری از فرصت‌های جدیدی که هوش مصنوعی ارائه می‌دهد، با هم همکاری کنند. رویکرد Aardvark هم‌زمان مدولار بودن و بهینه‌سازی پیش‌بینی از ابتدا تا انتها را ترکیب می‌کند، که استفاده مؤثر از داده‌های موجود را تضمین می‌کند.”

دکتر کریس بیشاپ، مدیر تحقیقات هوش مصنوعی برای علم در مایکروسافت، اشاره کرد که Aardvark نه تنها دستاورد مهمی در پیش‌بینی وضعیت هوا با استفاده از هوش مصنوعی است بلکه قدرت همکاری و گرد هم آوردن جامعه تحقیقاتی برای بهبود و کاربرد فناوری هوش مصنوعی به روش‌های معنادار را نیز نشان می‌دهد.

چه چیزی در انتظار Aardvark است؟

گام بعدی، ایجاد یک تیم در Alan Turing Institute است که بر گسترش استفاده از Aardvark، به ویژه در کشورهای در حال توسعه، تمرکز دارد. کارشناسان همچنین برنامه‌ریزی می‌کنند تا این مدل را در تلاش‌های گسترده‌تری در زمینه پیش‌بینی‌های زیست‌محیطی، از جمله پیش‌بینی یخ دریا و رفتار اقیانوس‌ها، ادغام کنند.

دکتر اسکات هاسکینگ، مدیر علم و نوآوری برای محیط زیست و پایداری در Alan Turing Institute گفت: “آزادسازی پتانسیل هوش مصنوعی تصمیم‌گیری را برای همه از سیاست‌گذاران و برنامه‌ریزان اضطراری تا صنایع وابسته به پیش‌بینی‌های دقیق وضعیت هوا متحول خواهد کرد. پیشرفت Aardvark تنها به سرعت مربوط نمی‌شود، بلکه به دسترسی‌پذیری نیز مربوط است.”

“با انتقال پیش‌بینی وضعیت هوا از سوپرکامپیوترها به کامپیوترهای دسکتاپ، می‌توانیم پیش‌بینی‌ها را دموکراتیزه کنیم و این فناوری‌های قدرتمند را در دسترس کشورهای در حال توسعه و مناطق کم‌داده در سراسر جهان قرار دهیم.”

بیشتر بدانیم: بازگشت فضاپیمای مرموز آمریکا پس از ۱۴ ماه

لینک منبع: earth