Radeći sa Met Office-om, nacionalnom meteorološkom službom u Velikoj Britaniji, DeepMind je razvio alat za duboko učenje pod nazivom DGMR koji može precizno predvidjeti vjerovatnoću kiše u narednih 90 minuta-jedan od najtežih izazova prognoze vremena. U poređenju sa postojećim alatima, nekoliko desetina stručnjaka je procijenilo DGMR-ove prognoze kao najbolje u nizu faktora uključujući njegova predviđanja lokacije, obima, kretanja i intenziteta kiše – za 89% vremena.
Rezultati su objavljeni u časopisu Nature. Novi alat DeepMinda nije AlphaFold, koji je otvorio ključni problem biologije sa kojim su se naučnici borili decenijama. Ipak, čak i mali napredak u predviđanju je bitan. Predviđanje kiše, posebno obilne kiše, ključno je za mnoge industrije, od događaja na otvorenom, preko vazduhoplovstva do hitnih službi. Ali teško je to učiniti dobro. Određivanje količine vode iz oblaka i kada i gdje će pasti, zavisi od brojnih vremenskih procesa, poput promjena temperature, stvaranja oblaka i vjetra. Svi ovi faktori su sami po sebi dovoljno složeni, ali su još složeniji kada se uzmu zajedno.
Najbolje postojeće tehnike predviđanja koriste masivne računarske simulacije fizike atmosfere. Oni dobro funkcionišu za dugoročno predviđanje, ali manje dobro predviđaju šta će se dogoditi u narednih sat vremena, što je poznato kao trenutno predviđanje. Prethodne tehnike dubokog učenja su razvijene, ali one obično dobro funkcionišu u jednoj stvari, kao što je predviđanje lokacije, na račun nečeg drugog, poput predviđanja intenziteta. Predviđanje padavina i dalje predstavlja značajan izazov za meteorologe. DeepMind tim je obučavao svoju AI na radarskim podacima. Mnoge zemlje tokom dana objavljuju česte snimke radarskih merenja, koja prate nastanak i kretanje oblaka.
U Velikoj Britaniji, na primjer, čitanje se objavljuje svakih pet minuta. Sastavljanjem ovih snimaka dobijate ažurni stop-motion video zapis koji prikazuje kako se kišni oblaci kreću, slično prognozama koje vidite na TV-u. Istraživači su te podatke ubacili u duboku generativnu mrežu, sličnu GAN-u – vrsti AI koja je obučena da generiše nove uzorke podataka koji su vrlo slični stvarnim podacima na kojima je obučavan. GAN-ovi su korišćeni za generisanje lažnih lica, čak i lažnih Rembrandta. U ovom slučaju, DGMR (što znači „duboki generativni model padavina“) naučio je da generiše lažne snimke radara koji su nastavili redosljed stvarnih mjerenja. To je ista ideja kao da vidite nekoliko kadrova filma i na osnovu njih pogodite šta sledi, kaže Shakir Mohamed, koji je vodio istraživanje u DeepMind-u.
Da bi testirao pristup, tim je zatražio od 56 prognostičara u Met Office-u (koji inače nisu bili uključeni u rad) da ocijene DGMR u slijepom poređenju sa prognozama napravljenim pomoću najsavremenije fizičke simulacije – 89% njih je rezultate koje je dao DGMR ocijenilo kao preciznije. Saradnja kompanije DeepMind sa Met Office-om dobar je primjer razvoja vještačke inteligencije u saradnji sa krajnjim korisnikom, nešto što izgleda kao očigledno dobra ideja, ali se često ne dešava. Tim je radio na projektu nekoliko godina, a doprinos stručnjaka Met Office-a oblikovao je projekat. DeepMind takođe želi da pokaže da njegova AI ima praktične primjene, prenosi PC Press.
Najnovije vijesti Srpskainfo i na Viberu