Google DeepMind представив GenCast, модель прогнозу погоди на основі штучного інтелекту, яка забезпечує безпрецедентну точність для прогнозів до 15 днів наперед. Розроблений спеціально для геометрії Землі, GenCast створює можливі сценарії погоди в майбутньому, аналізуючи останні погодні дані та моделі, отримані з історичних даних за 1979–2018 роки.
У тестах, у яких GenCast порівнювали з провідною в галузі Ensemble Forecast System (ENS), вона перевершувала ENS за точністю в 97,2% випадків, підвищуючись до 99,8% для прогнозів понад 36 годин. Зокрема, GenCast досяг успіху в передбаченні екстремальних погодних явищ наприклад тропічні циклони. Він також має надзвичайну продуктивність: він створює 15-денний прогноз лише за вісім хвилин, використовуючи один тензорний процесор Google Cloud v5, у порівнянні з годинами, які потрібні для традиційних моделей на основі суперкомп’ютера.
Незважаючи на свої досягнення, не очікується, що GenCast замінить метеорологів. Модель базується на історичних даних, які можуть бути менш передбачуваними в контексті зміни клімату та не можуть врахувати всі атмосферні змінні. Традиційні прогнози та експертний аналіз на основі фізики залишаються важливими для забезпечення надійності.
GenCast приєднується до інших інструментів погоди на основі ШІ, таких як FourCastNet від Nvidia та Pangu-Weather від Huawei. Його потенційні застосування виходять за межі метеорології, включаючи планування відновлюваної енергії та готовність до стихійних лих, де ймовірні сценарії можуть інформувати про розподіл ресурсів.
DeepMind планує продовжувати вдосконалювати GenCast та інтегрувати його в більш широкі системи прогнозування. Формат відкритого доступу до моделі дозволить робити прогнози в реальному часі та історичні прогнози для доповнення існуючих метеорологічних методів. Незважаючи на те, що GenCast є значним прогресом у точності та ефективності прогнозування, його роль розглядається як інструмент для спільної роботи, а не як окреме рішення.
Подано . Дізнайтеся більше про AI (штучний інтелект), Deepmind і Google.
Google DeepMind представив GenCast, модель прогнозу погоди на основі штучного інтелекту, яка забезпечує безпрецедентну точність для прогнозів до 15 днів наперед. Розроблений спеціально для геометрії Землі, GenCast створює можливі сценарії погоди в майбутньому, аналізуючи останні погодні дані та моделі, отримані з історичних даних за 1979–2018 роки.
У тестах, у яких GenCast порівнювали з провідною в галузі Ensemble Forecast System (ENS), вона перевершувала ENS за точністю в 97,2% випадків, підвищуючись до 99,8% для прогнозів понад 36 годин. Зокрема, GenCast досяг успіху в передбаченні екстремальних погодних явищ наприклад тропічні циклони. Він також має надзвичайну продуктивність: він створює 15-денний прогноз лише за вісім хвилин, використовуючи один тензорний процесор Google Cloud v5, у порівнянні з годинами, які потрібні для традиційних моделей на основі суперкомп’ютера.
Незважаючи на свої досягнення, не очікується, що GenCast замінить метеорологів. Модель базується на історичних даних, які можуть бути менш передбачуваними в контексті зміни клімату та не можуть врахувати всі атмосферні змінні. Традиційні прогнози та експертний аналіз на основі фізики залишаються важливими для забезпечення надійності.
GenCast приєднується до інших інструментів погоди на основі ШІ, таких як FourCastNet від Nvidia та Pangu-Weather від Huawei. Його потенційні застосування виходять за межі метеорології, включаючи планування відновлюваної енергії та готовність до стихійних лих, де ймовірні сценарії можуть інформувати про розподіл ресурсів.
DeepMind планує продовжувати вдосконалювати GenCast та інтегрувати його в більш широкі системи прогнозування. Формат відкритого доступу до моделі дозволить робити прогнози в реальному часі та історичні прогнози для доповнення існуючих метеорологічних методів. Незважаючи на те, що GenCast є значним прогресом у точності та ефективності прогнозування, його роль розглядається як інструмент для спільної роботи, а не як окреме рішення.
Подано . Дізнайтеся більше про AI (штучний інтелект), Deepmind і Google.
&w=120&resize=120,86&ssl=1)
