ხელოვნურ ინტელექტზე დაფუძნებულმა ამინდის პროგნოზის მოდელმა GraphCast პროგნოზების არსებულ მოდელებს სიზუსტეში პირველად აჯობა. ამის შესახებ BBC წერს.
გამოცემის ინფორმაციით, GraphCast-ი Google DeepMind-ის მეცნიერების არის შექმნილი. ტრადიციული მეთოდებისგან განსხვავებით, ეს მოდელი ისტორიულ მონაცემებს სწავლობს და მათში არააშკარა კანონზომიერებების აღმოჩენა შეუძლია. ამის გამო, მისი პროგნოზები უფრო ზუსტია.
მსოფლიოში ამინდის პროგნოზირების ერთ-ერთ ყველაზე ზუსტად სისტემა High RESolution forecast (HRES) ითვლება, რომელსაც ამინდის პროგნოზების ევროპული ცენტრი იყენებს. ეს სისტემა ე.წ. „რიცხობრივ პროგნოზს“ იყენებს, რაც სუპერკომპიუტერების მიერ სხვადასხვა მეტეოროლოგიური მონაცემების შემცველი განტოლებების ამოხსნას გულისხმობს.
თუმცა, ხელოვნურ ინტელექტზე დაფუძნებული მოდელისგან განსხვავებით, HRES-ს დამოუკიდებლად „სწავლა“ არ შეუძლია, თანაც, სუპერკომპიუტერების გამოყენება ბევრ რესურსს მოითხოვს.
GraphCast კი მოწყობილობაზე Google Cloud TPU v4 10-დღიანი პროგნოზის შესადგენად 1 წუთზე ნაკლები სჭირდება – ანუ, ის ნაკლებ რესურსს ხარჯავს. საწყისი მონაცემებისთვის კი სისტემა დედამიწაზე ამინდის ორ ვითარებას იყენებს – მიმდინარეს და 6 საათის წინ არსებულს.
როდესაც მეცნიერებმა ამ ორი სისტემის პროგნოზები შეადარეს, აღმოჩნდა, რომ GraphCast-ი HRES-ზე ზუსტი 1380 პუნქტის 90,3%-ში აღმოჩნდა.
მეცნიერების აზრით, ეს გადამწყვეტი მომენტია ქარიშხლების, ციკლონებისა და ექსტრემალური ტემპერატურების პროგნოზირებაში.
