Google mengembangkan AI yang memprediksi hujan dalam enam jam ke depan dalam 10 menit

Itu 340 SM ketika Aristoteles, filsuf Yunani yang terkenal,
menulis "Metodologi",
perjanjian di mana ia menggoda dengan prediksi cuaca.
Aristoteles percaya bahwa cuaca adalah "semua efek yang dapat terjadi
panggilan umum untuk udara dan air dan bentuk serta bagian bumi dan
efek dari bagian-bagiannya ", dan kebenarannya adalah bahwa itu tidak terlalu salah arah
dengan fokus ilmu atmosfer.

Banyak
hujan turun sejak saat itu dan prediksi cuaca pun turun
berevolusi, menggunakan gambar multispektral, stasiun bumi itu
ukur angin dan curah hujan, radar Doppler itu
mereka mengukur curah hujan secara real time … Tapi sekarang Google ingin lebih
sebelah sana dan menerapkan kecerdasan buatan dalam prediksi hujan,
dan hasil pertama dari "prognosis tinggi langsungnya
Resolusi "adalah yang paling menarik.

melalui GIPHY

Menurut Google, "itu
Perkiraan resolusi tinggi segera adalah alat penting yang diperlukan
untuk adaptasi yang efektif terhadap perubahan iklim, khususnya untuk iklim
ekstrim ". Dari perusahaan mereka memberi contoh badai lokal atau
peristiwa yang berkembang pada skala waktu per jam, seperti badai
listrik.

Model pembelajaran mesin Anda dirancang untuk mengatasi jenis ini
peristiwa yang membuat prediksi 'bebas-fisika' yang sangat lokal '
yang berlaku untuk masa depan segera. "Keuntungan dari model pembelajaran
otomatis adalah bahwa, jika model yang terlatih sudah ada, kesimpulannya adalah "secara komputasi
murah "dan perkiraannya hampir seketika. Google fokus
dalam ramalan langsung (orang yang merenungkan sampai enam jam ke depan)
dan AI-nya dapat menghasilkan prakiraan dengan resolusi satu kilometer persegi
dengan latensi antara lima dan sepuluh menit, termasuk pada periode itu
Waktu pengumpulan data.

Mereka menunjukkan dari Google bahwa keberadaan hujan terkait dengan
keberadaan awan, tetapi itu "tidak berkorelasi sempurna".
Mereka juga menjelaskan bahwa data radar berasal dari stasiun darat dan
mereka biasanya tidak tersedia di lautan, selain jangkauannya bervariasi
secara geografis Seperti ini Google telah memilih "pendekatan gratis
fisika berbasis data. " Apa artinya itu:

"Itu berarti bahwa jaringan syaraf akan belajar memperkirakan fisika
atmosfer hanya dari contoh pelatihan, tidak memasukkan
pengetahuan untuk apriori bagaimana suasananya bekerja (…).

Diberi urutan gambar radar selama satu jam terakhir, kami memperkirakan yang mana
itu akan menjadi gambar radar dalam N jam dari sekarang, di mana N
Biasanya berkisar dari 0 hingga 6 jam. Karena data radar diatur dalam
gambar, kita dapat meningkatkan prediksi ini sebagai masalah penglihatan komputer,
menyimpulkan evolusi meteorologis dari urutan gambar
entri ".

Untuk ini, Google telah menggunakan jenis jaringan saraf convolutional yang disebut U-Net. Ini punya
urutan lapisan disusun dalam fase pengkodean yang mengurangi
resolusi gambar yang melewatinya. Selanjutnya, dalam a
fase decoding, representasi resolusi rendah ini
memperluas ke resolusi yang lebih tinggi.

Dia masukan U-Net adalah gambar yang berisi satu saluran untuk masing-masingnya
citra satelit multispektral. Misalnya, jika kita perkenalkan dalam model
sepuluh gambar satelit diambil dengan sepuluh panjang gelombang berbeda di
menit terakhir, input model adalah gambar 100 saluran.

Google, dalam hal ini, melatih jaringan berdasarkan pengamatan historis di
Amerika Serikat dari 2017 hingga 2019. Data dibagi menjadi beberapa periode
empat minggu, di mana tiga minggu pertama digunakan
pelatihan dan minggu keempat untuk evaluasi. Selanjutnya,
Hasil dibandingkan dengan prognosis tiga model tradisional:
Refresh Cepat Resolusi Tinggi (HRRR)
dari NOAA, suatu algoritma
aliran optik dan model
kegigihan

Masalah dengan algoritma aliran optik adalah mereka mencoba melacak
memindahkan objek melalui urutan gambar dan, dalam kasus
curah hujan, Diasumsikan bahwa jumlah umum curah hujan di Indonesia
area yang luas konstan selama durasi prediksi.
Model ketekunan, sementara itu, didasarkan pada kondisi
hari ini untuk memprediksi hari esok. "Ini mungkin tampak seperti model
terlalu sederhana untuk dibandingkan, tetapi merupakan praktik umum yang diberikan
kesulitan dalam memprediksi cuaca, "mereka menjelaskan dari Google.

Hasilnya diatur dalam a grafik presisi dan
pemulihan. Prediksi Google adalah garis biru dan, mengingat itu
Google tidak memiliki akses langsung ke model HRRR dan itu pun tidak
ketekunan dan algoritma aliran optik tidak memiliki kapasitas untuk itu
pertukaran akurasi dan pemulihan, prediksi Anda diwakili dengan
poin

"Seperti yang Anda lihat, kualitas prognosis jaringan saraf kami melampaui
untuk tiga model ini (karena garis biru di atas segalanya
hasil dari model lain) ", mereka tunjukkan dari Google, yang mereka kenali
bahwa "penting untuk diingat bahwa model HRRR mulai diatasi
hasil kami saat ini ketika cakrawala prediksi mencapai
sekitar lima atau enam jam. "

Namun, mereka mengklaim bahwa salah satu kelebihan dari model mereka adalah bahwa
prediksi efektif secara instan, "sementara HRRR memiliki
latensi komputasi satu hingga tiga jam. Dengan kata lain, itu
Model Google lebih efektif untuk prediksi jangka pendek,
sedangkan model HRRR lebih efektif dalam jangka panjang

Via Xataka – Informasi lebih lanjut | Google