A baru kecerdasan buatan (AI) Model ini dapat memprediksi peristiwa meteorologi utama lebih cepat dan lebih akurat daripada beberapa sistem perkiraan yang paling umum digunakan di dunia.
Model, yang disebut Aurora, dilatih dalam lebih dari 1 juta jam data atmosfer global, termasuk pembacaan stasiun meteorologi, gambar satelit dan pengukuran radar. Ilmuwan Microsoft mengatakan itu mungkin set data terbesar yang pernah digunakan untuk melatih model meteorologi.
Aurora dengan benar meramalkan bahwa topan Doksuri akan menghantam utara Filipina empat hari sebelum badai menyentuh tanah pada Juli 2023. Pada waktu itu, ramalan resmi menempatkan tanah badai di atas Taiwan, beberapa ratus mil jauhnya.
Ini juga melebihi alat perkiraan standar yang digunakan oleh agensi, termasuk Pusat Badai Nasional AS. UU. Dan topan Pusat Peringatan Bersama. Dia memberikan jejak badai lima hari yang lebih tepat dan menghasilkan perkiraan resolusi tinggi hingga 5.000 kali lebih cepat daripada model meteorologi konvensional yang didorong oleh Superkomputer.
Dalam istilah yang lebih umum, Aurora melampaui sistem yang ada untuk memprediksi kondisi iklim selama 14 hari dalam 91% kasus, kata para ilmuwan. Mereka menerbitkan temuan mereka pada 21 Mei di majalah Alam.
Prakiraan di masa depan
Para peneliti mengharapkan Aurora dan model seperti dia untuk mendukung pendekatan baru untuk memprediksi kondisi lingkungan yang disebut prakiraan sistem tanah, di mana Satu -satunya model mensimulasikan cuacaKualitas udara dan kondisi samudera bersama. Ini dapat membantu menghasilkan perkiraan yang lebih cepat dan lebih konsisten, terutama di tempat -tempat yang tidak memiliki ilmu komputer yang tidak memiliki infrastruktur pemantauan integral.
Terkait: Google membangun model AI yang dapat memprediksi bencana iklim di masa depan
Aurora termasuk dalam kelas sistem AI skala besar yang dikenal sebagai model fondasi, kategori model AI yang sama dengan alat listrik seperti chatgpt.
Model dasar dapat disesuaikan dengan tugas yang berbeda karena mereka dirancang untuk mempelajari pola dan hubungan umum dari volume besar data pelatihan, alih -alih dibangun untuk tugas yang unik dan tetap. Dalam kasus Aurora, model belajar untuk menghasilkan perkiraan dalam hitungan detik menganalisis pola iklim dari sumber -sumber seperti satelit, radar dan stasiun cuaca, serta ramalan simulasi, kata para peneliti.
Model ini dapat disesuaikan untuk berbagai skenario dengan data tambahan yang relatif sedikit, tidak seperti model prognosis tradisional, yang umumnya dibangun untuk tugas -tugas sempit dan spesifik dan, seringkali, mereka perlu beradaptasi.
Kumpulan data yang beragam dilatih tidak hanya dalam presisi yang lebih besar secara umum versus metode konvensional, tetapi juga berarti bahwa model ini lebih baik untuk memperkirakan peristiwa ekstrem, kata para peneliti.
Dalam sebuah contoh, Aurora berhasil memperkirakan badai pasir besar di Irak pada tahun 2022, meskipun memiliki data kualitas udara yang terbatas. Itu juga melebihi model simulasi gelombang di memperkirakan lautan membengkak Tinggi dan alamat dalam 86% dari tes, menunjukkan bahwa mereka dapat mengekstraksi pola data kompleks yang berguna bahkan ketika entri spesifik atau tidak lengkap hilang.
“Anda memiliki potensi untuk dimiliki [a] Dampak besar karena orang benar -benar dapat menyesuaikannya dengan tugas apa pun yang relevan bagi mereka … terutama di negara -negara yang diabaikan oleh kemampuan prognosis waktu lainnya, “rekan kerja penelitian. Megan Stanley, Seorang peneliti utama di Microsoft, mengatakan dalam a penyataan.
Microsoft telah membuat kode publik dan pelatihan Aurora untuk penelitian dan eksperimen. Model ini telah diintegrasikan ke dalam layanan seperti MSN Weather, yang diintegrasikan ke dalam alat -alat seperti aplikasi cuaca Windows dan hasil pencarian Microsoft Bing.
