گوگل هوش مصنوعی WeatherNext۳ را راهاندازی کرد
باشگاه خبرنگاران جوان؛ جواد فراهانی- گوگل از راهاندازی WeatherNext ۳، جدیدترین مدل هوش مصنوعی خود برای پیشبینی آب و هوا، خبر داده است. هدف این اقدام ارائه پیشبینیهای دقیقتر و دقیقتر با تکیه بر دادههای ماهوارهای است که دائماً بهروز میشوند.
گوگل میگوید این مدل جدید میتواند پیشبینیهای آب و هوای ساعتی را با دقت تا ۵ کیلومتر، بر اساس دادههای زنده از ماهوارههای زمینثابت، به جای تکیه بر خروجیهای مدلهای پیشبینی سنتی، تولید کند. گوگل قصد دارد از WeatherNext ۳ در سرویسهای مختلف خود، از جمله جستجوی گوگل، Gemini، نقشههای گوگل، پلتفرم نقشههای گوگل و موتور گوگل ارث، استفاده کند.
WeatherNext ۳ آب و هوا را با جزئیات بیشتری نمایش میدهد
Google DeepMind و Google Research میگویند که WeatherNext ۳ پیشرفتهترین و دقیقترین مدل آب و هوای جهانی آنها تا به امروز است. آنها خاطرنشان میکنند که ارزیابیهای مستقل توسط Brightband بهبودهایی را در عملکرد مدل نشان داده است. از جمله مهمترین پیشرفتها، توانایی مدل در پیشبینی دما، رطوبت و سایر متغیرهای سطحی با دقت تا ۵ کیلومتر است.
برخی دیگر از متغیرهای سطحی دقتی تا ۱۰ کیلومتر دارند، در حالی که متغیرهای جوی مانند سرعت باد دقتی تا ۲۵ کیلومتر دارند. به گفته گوگل، WeatherNext ۳ تصویری از آب و هوای جهانی ارائه میدهد که تقریباً پنج برابر دقیقتر از مدل قبلی خود، WeatherNext ۲، است که در یک شبکه ۲۵ کیلومتری کار میکرد و پیشبینیهای خود را هر شش ساعت بهروزرسانی میکرد.
از پیشبینیهای سنتی تا نظارت ماهوارهای بلادرنگ
تفاوت کلیدی WeatherNext ۳ در منبع دادهای است که مدل از آن یاد میگیرد. مدل جدید به جای تکیه بر پیشبینیهای تولید شده توسط مدلهای آب و هوایی سنتی، میتواند مستقیماً از مشاهدات زنده آب و هوا یاد بگیرد. گوگل میگوید WeatherNext ۳ از مجموعهای از دادههای ماهوارهای زمینثابت استفاده میکند که تصویری دائماً بهروز از جو ارائه میدهد و به مدل اجازه میدهد پیشبینیهای خود را به صورت ساعتی بر اساس آخرین دادههای موجود بازسازی کند.
این امر میتواند به ویژه در مواجهه با پدیدههای آب و هوایی با تغییرات سریع، مانند طوفانها، جبهههای آب و هوایی و سیستمهای بارشی که میتوانند در یک دوره کوتاه تغییر کنند، بسیار مهم باشد. این مدل همچنین از دادههای ایستگاههای هواشناسی برای کمک به درک عوامل محلی، مانند تأثیر کوهها، درهها و خطوط ساحلی بر الگوهای آب و هوایی بهره میبرد.
دقت بیشتر در بارش
گوگل توجه ویژهای به بهبود پیشبینیهای بارش دارد. این شرکت WeatherNext ۳ را با استفاده از دادههای بارش از سیستم IMERG ناسا، همراه با دادههای تحلیل مجدد بارش جهانی خود گوگل، آموزش داده است. این شرکت میگوید آزمایشها نشان دادهاند که عملکرد مدل در مقایسه با دادههای IMERG تا ۶۰ ٪، در مقایسه با MRMS تا ۳۰ ٪ و در مقایسه با اندازهگیریهای ایستگاههای بارش زمینی در دورههای پیشبینی اولیه، ۱۰ ٪ بهبود یافته است.
به گفته گوگل، این پیشرفتها میتواند منجر به پیشبینیهای بارش تا ۵۰ ٪ دقیقتر هنگام برنامهریزی یک روز یا بیشتر از قبل شود، و بیشترین سود مورد انتظار در مناطقی است که از نظر تاریخی از دقت ضعیف پیشبینی آب و هوا رنج بردهاند.
آفریقا و آسیا از بزرگترین ذینفعان هستند
WeatherNext ۳ گوگل فقط با هدف بهبود پیشبینیهای آب و هوا در کشورهایی با سیستمهای هواشناسی پیشرفته ساخته نشده است. این شرکت معتقد است که این مدل میتواند به ویژه در بخشهایی از آفریقا، آسیا و آمریکای لاتین مفید باشد. دلیل این امر آن است که مدلهای آب و هوایی سنتی و با وضوح بالا به قدرت محاسباتی عظیم و گرانقیمت نیاز دارند و ارائه پیشبینیهای دقیق و درست در برخی مناطق را دشوارتر میکنند.
گوگل با بهرهگیری از هوش مصنوعی، دادههای ماهوارهای و ایستگاههای هواشناسی، در تلاش است تا این شکاف را پر کند و پیشبینیهای دقیقتری را بدون تکیه کامل بر زیرساختهای ابررایانهای سنتی ارائه دهد.
هوش مصنوعی تولید انرژی از انرژی خورشیدی و بادی را پیشبینی میکند
کاربردهای WeatherNext ۳ فراتر از دانستن صرف آب و هوا است. گوگل همچنین این مدل را برای کمک به برنامهریزی انرژیهای تجدیدپذیر طراحی کرده است. این مدل میتواند سرعت باد را در ارتفاع تقریباً ۱۰۰ متری، نزدیک به ارتفاع توربینهای بادی، همراه با پیشبینیهای بسیار دقیق پوشش ابر و تابش خورشیدی پیشبینی کند.
این دادهها میتواند به اپراتورهای پروژههای انرژی خورشیدی و بادی کمک کند تا میزان برقی را که پروژههایشان میتوانند بر اساس شرایط آب و هوایی مورد انتظار تولید کنند، تخمین بزنند. بنابراین، گوگل WeatherNext ۳ را نه تنها به عنوان یک برنامه جدید برای بررسی اینکه آیا فردا باران میبارد یا خیر، بلکه به عنوان یک سیستم هوش مصنوعی ارائه میدهد که میتواند از دادههای آب و هوایی برای پیشبینی طوفان و بارندگی، بهبود برنامهریزی انرژی و پشتیبانی از خدمات مبتنی بر آب و هوا در سراسر جهان استفاده کند.
منبع: Youm۷