گوگل از مدل هوش مصنوعی GenCast برای پیشبینی وضعیت آب و هوا رونمایی کرد
شرکت گوگل که همواره در تلاش است تا از فناوریهای نوین برای بهبود خدمات خود استفاده کند، این بار مدل هوش مصنوعی جدیدی با نام GenCast را معرفی کرده است. این مدل هوش مصنوعی که به طور ویژه برای پیشبینی وضعیت آب و هوا طراحی شده است، در یک مقاله که در مجله معتبر Nature منتشر شد، به تفصیل شرح داده شده است. با پامپا همراه باشید.
پیشبینی دقیق وضعیت آب و هوا از اهمیت بالایی برخوردار است. از تأثیرات آن میتوان به کمک به زندگی روزمره افراد، آمادگی برای بلایای طبیعی و حتی برنامهریزی در زمینه انرژیهای تجدیدپذیر اشاره کرد. مدل GenCast در پیشبینی وضعیت آب و هوا، به خصوص در پیشبینیهای بلند مدت، پیشرفتهتر از سیستمهای پیشین عمل میکند. این مدل در پیشبینی وضعیت آب و هوا تا 25 روز آینده عملکرد بهتری نسبت به سیستم پیشبینی ENS (مدل پیشبینی وضعیت آب و هوا از ECMWF) دارد.
معرفی مدل هوش مصنوعی GenCast
GenCast یک مدل دیفیوژن (Diffusion) است، مشابه با مدلهایی که در تولید تصاویر با هوش مصنوعی مشاهده کردهاید، اما این مدل به طور خاص برای هندسه سیاره زمین تنظیم شده است. مدل GenCast بر اساس چهار دهه دادههای تاریخی از آرشیوهای ECMWF آموزش دیده است. این دادهها شامل پیشبینی وضعیت آب و هوا در دورههای زمانی مختلف از جمله سالهای گذشته میشود که در نهایت به آموزش بهتر مدل منجر شده است.
برای آزمایش این مدل، گوگل GenCast را با دادههای تاریخی وضعیت آب و هوا تا سال 2018 آموزش داده و سپس 1320 پیشبینی مختلف برای سال 2019 انجام داد. نتایج این پیشبینیها با پیشبینیهای انجام شده توسط سیستم ENS و وضعیت واقعی آب و هوا مقایسه شد. نتایج نشان داد که مدل GenCast در 97.2 درصد از موارد، دقیقتر از ENS عمل کرده است و حتی برای پیشبینیهای 36 ساعت آینده یا بیشتر، این دقت به 99.8 درصد رسید.
آزمایش مدل GenCast در پیشبینی طوفان هاگیبیس
یکی از نمونههای جالب استفاده از GenCast، پیشبینی مسیر طوفان هاگیبیس (Hagibis) بود که در سال 2019 به ژاپن رسید. در این آزمایش، گوگل از مدل GenCast خواست تا مسیر این طوفان را پیشبینی کند. در ابتدا، پیشبینیهای مدل به صورت پراکنده و مختلف بودند، اما هر چه زمان به وقوع طوفان نزدیکتر میشد، پیشبینیها دقیقتر و به مسیر واقعی طوفان نزدیکتر میشدند. این دقت در پیشبینی مسیر طوفان به مقامات محلی این امکان را میدهد که زمان بیشتری برای آمادگی و واکنش در برابر شرایط بد جوی داشته باشند.
ویژگیهای مدل GenCast و مزایای آن
مدل GenCast یک مدل همتیمی (Ensemble Model) است، به این معنی که این مدل بیش از 50 پیشبینی مختلف را با احتمالات متفاوت تولید میکند. به عنوان مثال، پیشبینی وضعیت آب و هوا برای یک بازه زمانی 15 روزه، تنها در 8 دقیقه توسط Google Cloud TPU v5 قابل تولید است، در حالی که یک مدل سنتی پیشبینی وضعیت آب و هوا ممکن است ساعتها زمان بر روی یک ابررایانه بگیرد!
این ویژگی که پیشبینیهای متعدد و با احتمالات مختلف به طور همزمان انجام میشود، یکی از مزایای بزرگ GenCast محسوب میشود. پیشبینیها میتوانند به صورت موازی اجرا شوند و این موضوع سرعت فرآیند پیشبینی را به طرز چشمگیری افزایش میدهد.
دسترسی عمومی به مدل GenCast
یکی از اقداماتی که گوگل در راستای پیشبرد علم و همکاریهای علمی انجام داده است، ارائه مدل GenCast به صورت عمومی است. گوگل قصد دارد تا کدهای مدل خود را در دسترس عموم قرار دهد تا پژوهشگران و متخصصان بتوانند از آن استفاده کنند. این اقدام به نفع بهبود پیشبینیهای وضعیت آب و هوا و همکاریهای بیشتر با آژانسهای پیشبینی وضعیت آب و هوا و دانشمندان در سراسر جهان خواهد بود.
گوگل در نظر دارد که همکاری خود را با نهادهای پیشبینی وضعیت آب و هوا ادامه دهد تا در آینده بتواند پیشبینیهای دقیقتری را ارائه دهد.
جمعبندی
گوگل با معرفی مدل GenCast به دنیای پیشبینی وضعیت آب و هوا یک گام بزرگ دیگر در استفاده از هوش مصنوعی برداشت. این مدل با استفاده از پیشبینیهای دقیقتر و سرعت بالاتر، میتواند به بهبود آمادگی در برابر بلایای طبیعی، بهینهسازی تولید انرژیهای تجدیدپذیر و بهبود تصمیمگیریهای مربوط به کشاورزی و دیگر صنایع کمک کند. همچنین، با دسترسی عمومی به کد و مدل، گوگل به ارتقای همکاریهای علمی و ایجاد نوآوریهای بیشتر در این زمینه امیدوار است.
