Hava Tahmininde Yeni Çağ: WeatherNext 3
Google DeepMind ve Google Research bilim insanları, bugün hava durumu tahmini için yeni bir yapay zeka modeli yayınladı. WeatherNext 3, atmosferimizdeki değişimleri daha net görüyor ve davranışlarını daha sık tahmin edebiliyor. Bu model, meteorolojide derin öğrenme teknikleriyle yaşanan büyük değişimin en son dalgası olarak nitelendiriliyor. Google, bu modelin arama, Google Maps ve Gemini gibi ürünlerde kullanıcılara sunulacak hava durumu bilgilerini beslemeye başlayacağını ve ayrıca Google'ın bulut platformlarında kullanıcılar ve araştırmacılar için erişilebilir olacağını açıkladı.
Google kıdemli personel mühendisi Samier Merchant, TechCrunch'a yaptığı açıklamada, "Bu, bazı temel değişkenlerin Google ürünlerinin çoğunu besleyip güçlendirdiği ilk sefer olacak" dedi. Yeni model, startup Brightband tarafından yapay zeka tahminlerini karşılaştırmak için oluşturulan Operational WeatherBench platformunda test edilen önde gelen rakipler arasında en doğru model olduğunu kanıtladı. Platform, sıcaklık, rüzgar hızı ve nem gibi metrikleri değerlendiriyor.
Rakiplerine Üstünlük Sağlıyor
WeatherNext 3, Google, Microsoft, Nvidia ve Avrupa Orta Vadeli Hava Tahminleri Merkezi (ECMWF) tarafından geliştirilen diğer derin öğrenme modellerini geride bırakmanın yanı sıra, ABD Ulusal Hava Durumu Servisi ve ECMWF'nin geleneksel tahminlerini de geride bırakıyor. Çoğu hava durumu tahmini, hükümetlere ait süper bilgisayarların hava durumu fiziğini tanımlamak için yazılmış matematiksel denklemleri zahmetli bir şekilde işlemesiyle elde ediliyor. Bu sistemler son derece doğru hale gelmiş olsa da, pahalı ve nispeten yavaşlar.
ECMWF'nin 2018'de bu sistemlerin ürettiği yarım asırdan fazla hava durumu verisini yayınlamasının ardından, derin öğrenme araştırmacıları çok daha hızlı tahminler yapabilen ve hükümet araçlarıyla karşılaştırılabilir doğrulukta modeller eğitmeye başladı. DeepMind'da personel araştırma bilimcisi yöneticisi Ferran Alet, "Hava durumu kaotiktir ve bu yüzden küçük farklılıklar büyük ölçüde etkilemeye başlar... Makine öğrenimi, gerçekte çözmeye çalıştığımız sorunu hedefler: eksik bilgilerden ve sınırlı hesaplamadan kaynaklanan yaklaşık gürültülü fizik. Bu yüzden çok sayıda veriden desenler öğrenir" dedi.
Üç Temel Zorluğa Çözüm
O zamandan beri, model üreticileri yapay zeka tahmin modellerinin temel zayıflıklarını gidermeye çalışıyor: Bu modeller genellikle gerçekten kullanışlı olandan daha geniş bir alanı (15-25 kilometrekare) kapsıyor, yağmur konusunda her zaman iyi değiller ve hükümet kurumlarının ürettiği biçimlendirilmiş veri setlerine bağımlılar. WeatherNext 3 bu üç zorluğun üstesinden geliyor. Araştırmacılar TechCrunch'a, temel değişkenler üzerinde 5 kilometrelik bir çözünürlükte tahmin yapabildiğini söyledi. Yağmur değerlendirmeleri WeatherNext 2'ye göre %60 iyileşti ve standart altı saatte bir tahmin yerine artık saatlik tahminler üretebiliyor.
Bu iyileştirmeler, tasarımcıların yaptığı belirli seçimlerin sonucu. WeatherNext 3, önceki modelden 2,4 kat daha fazla parametreye sahip daha büyük bir model ve kod çözücü kafaları için hedefleri daha kullanışlı yanıtlar verecek şekilde uyarlanmış. Çoğu hava durumu tahmini, 3 boyutlu bir ızgaranın ortalaması alınmış metrikler olarak çıktı verirken, DeepMind araştırmacıları daha önce modeli siklon yollarını görselleştirecek şekilde ayarlayarak övgü toplamıştı. Bu sefer, tasarımcılar ayrıca modeli tahminlerini belirli hava durumu istasyonlarına hedefleyecek şekilde eğitti. Bu, yalnızca daha ayrıntılı tahminler sunmak için değil, aynı zamanda çalışmalarını belirli, gerçek verilerle değerlendirebilmek için de önemli. Brightband'de atmosfer bilimcisi Daniel Rothenberg, "Birçok yapay zeka uygulamasında fikir, görevleri mümkün olduğunca uçtan uca yürütmektir. Bu modele, örneğin Denver'ın hava durumunu tahmin etme yeteneği eklemek, bu yaklaşımın bir parçası" dedi.
Henüz yorum yok — ilk yorumu sen yaz!