과학으로서의 기상학은 기술의 발전으로 발전하고 있습니다. 현재 비가 올 때와 장소를 직접 예측할 수 있는 여러 컴퓨터 프로그램이 있습니다. 의 회사 Deepmind 비가 올 때와 장소를 거의 정확하게 예측할 수 있는 인공 지능을 개발했습니다. 이 회사는 현재 시스템보다 단기 예측에 더 나은 모델을 만들기 위해 영국 기상학자와 협력했습니다.
이 기사에서는 DeepMind의 기상 예측 기술인 Robleda 백에 대해 알아야 할 모든 것을 알려드릴 것입니다.
일기 예보
런던에 본사를 둔 인공 지능 회사 DeepMind, 어려운 과학적 문제에 딥 러닝을 적용하는 경력을 계속합니다. DeepMind는 영국 기상청 기상청과 협력하여 DGMR이라는 딥 러닝 도구를 개발했습니다. 이 도구는 향후 90분 동안 비가 올 확률을 정확하게 예측할 수 있습니다. 일기 예보에서 가장 어려운 과제 중 하나입니다.
수십 명의 전문가들은 기존 도구와 비교하여 89%의 확률로 위치, 범위, 이동 및 강우 강도에 대한 예측을 포함하여 여러 요소에서 DGMR의 예측이 최고라고 믿습니다. DeepMind의 새로운 도구는 과학자들이 수십 년 동안 해결하려고 했던 생물학의 새로운 열쇠를 엽니다.
그러나 예측의 작은 개선도 중요합니다. 비, 특히 폭우를 예측하는 것은 야외 활동에서 항공 서비스 및 비상 사태에 이르기까지 많은 산업에서 매우 중요합니다. 그러나 그것을 바로 잡는 것은 어렵습니다. 하늘에 있는 물의 양과 물이 언제 어디서 떨어질지 결정하는 것은 많은 기후 과정에 따라 달라집니다. 온도 변화, 구름 형성 및 바람과 같은. 이러한 모든 요소는 그 자체로 충분히 복잡하지만 결합하면 더 복잡합니다.
사용 가능한 최고의 예측 기술은 대기 물리학의 많은 컴퓨터 시뮬레이션을 사용합니다. 이것들은 장기 예측에는 적합하지만 다음 시간에 일어날 일을 예측하는 데는 그다지 좋지 않습니다. 이를 즉각적인 예측이라고 합니다.
딥마인드 개발
이전의 딥 러닝 기술이 개발되었지만 이러한 기술은 일반적으로 위치 예측과 같은 한 가지 측면에서는 잘 작동하고 힘 예측과 같은 다른 측면에서는 잘 작동하지 않습니다. 즉각적인 강우를 예측하는 데 도움이 되는 폭우에 대한 레이더 데이터는 기상학자에게 여전히 큰 과제입니다.
DeepMind 팀은 레이더 데이터를 사용하여 AI를 훈련했습니다. 많은 국가와 지역에서 하루 종일 구름 형성과 움직임을 추적하는 레이더 측정의 스냅샷을 자주 게시합니다. 예를 들어 영국에서는 XNUMX분마다 새로운 판독값이 게시됩니다. 이 스냅사진을 결합하면 국가의 강우 패턴이 어떻게 변하는지 보여주는 최신 스톱모션 비디오를 얻을 수 있습니다.
연구원들은 이 데이터를 훈련에 사용된 실제 데이터와 매우 유사한 새로운 데이터 샘플을 생성할 수 있는 훈련된 AI인 GAN과 유사한 심층 생성 네트워크로 보냅니다. GAN은 가짜 렘브란트를 포함한 가짜 얼굴을 생성하는 데 사용되었습니다. 이 경우 DGMR("Generative Deep Rain Model"의 약어)은 실제 측정 시퀀스를 계속하는 잘못된 레이더 스냅샷을 생성하는 방법을 배웠습니다.
DeepMind AI 실험
DeepMind에서 연구를 이끈 Shakir Mohamed는 이것이 영화의 스틸컷 몇 개를 보고 다음에 무슨 일이 일어날지 추측하는 것과 같다고 말했습니다. 이 방법을 테스트하기 위해 팀은 기상청의 56명의 기상학자(작업에 참여하지 않음)에게 보다 발전된 물리적 시뮬레이션과 일련의 반대자들에 대해 조사하도록 요청했습니다.
89%의 사람들이 DGMR에서 제공한 결과를 선호한다고 말했습니다. 기계 학습 알고리즘은 일반적으로 예측이 얼마나 좋은지에 대한 간단한 측정을 위해 최적화를 시도합니다. 그러나 일기예보에는 다양한 측면이 있습니다. 어쩌면 예측이 올바른 장소에서 잘못된 강우량을 얻었을 수도 있습니다., 또는 다른 예측이 강도의 올바른 조합을 얻었지만 잘못된 위치에 있는 등입니다.
DeepMind는 과학에 알려진 모든 단백질의 구조를 공개할 것이라고 말했습니다. 이 회사는 AlphaFold 단백질 접힘 인공 지능을 사용하여 효모, 초파리 및 생쥐뿐만 아니라 인간 프로테옴의 구조를 생성했습니다.
DeepMind와 Met Office의 협업 AI 개발을 완료하기 위해 최종 사용자와 협력하는 좋은 예입니다. 분명히 이것은 좋은 생각이지만 종종 발생하지 않습니다. 팀은 몇 년 동안 프로젝트를 진행했으며 기상청 전문가의 의견을 반영하여 프로젝트를 구성했습니다. DeepMind의 연구 과학자인 Suman Ravuri는 "이는 우리의 구현과 다른 방식으로 우리 모델의 개발을 촉진합니다."라고 말했습니다. "그렇지 않으면 결국에는 특별히 유용하지 않은 모델을 만들 수 있었을 것입니다."
DeepMind는 또한 AI가 실용적인 응용 프로그램을 가지고 있음을 보여주기를 열망하고 있습니다. Shakir에게 DGMR과 AlphaFold는 같은 이야기의 일부입니다. 회사는 퍼즐을 푸는 데 수년간의 경험을 사용합니다. 아마도 여기서 가장 중요한 결론은 DeepMind가 마침내 실제 과학 문제를 나열하기 시작했다는 것입니다.
일기 예보의 발전
우리가 대기가 어떻게 작동하는지 완전히 이해하는 데 점점 더 가까워지고 있기 때문에 기상 예보는 기술 발전에 의해 뒷받침되어야 합니다. 여러 번 인간과 그의 계산은 인공 지능의 발달로 피할 수 있는 일반적인 실수의 대상이 될 수 있습니다.
일기 예보는 우리가 많은 이점을 누릴 수 있기 때문에 인간이 되는 열쇠입니다. 보다 효율적인 수자원을 제공하고 폭풍과 폭우 시 일부 재난을 방지합니다.. 이러한 이유로 기상학자들은 강우를 예측하기 위한 인공 지능 프로젝트를 개발하는 데 점점 더 동의하고 있습니다.
이 정보를 통해 DeepMind 프로젝트와 그 특성에 대해 더 많이 알 수 있기를 바랍니다.