“Sonunda ofise, işe giderken veya dışarı çıkarken size ne giyeceğinizi söyleyecek bir robot. Arama devi Google'ın yapay zeka odaklı düşünce kuruluşu Derin Düşüncegeleneksel sistemleri %90'dan fazla geride bırakan yeni bir hava tahmini modeli duyurdu. GraphCast adı verilen bu makine öğrenimi modeli, bugün kullandığınız hava durumu uygulamalarını çalıştıran araçlardan daha iyi, daha hızlı ve enerji açısından daha verimli çalışır. 10 günlük tahminler vaat ediyor.
Google araştırmacıları, Salı günü yayınlanan bir çalışmada, “Bunun hava tahminlerinde bir dönüm noktası olduğuna inanıyoruz” dedi. Mevcut tahmin modellerine genellikle “sayısal hava durumu tahmini (NWP)” adı verilir. NWP, akışkanlar dinamiği, termodinamik ve diğer atmosfer bilimi ilkelerini kullanarak mevcut hava koşullarını büyük modellere bağlayarak gelecekteki değişiklikleri simüle eder. Bu zor, pahalı ve çok fazla bilgi işlem gücü gerektiriyor. GraphCast, geçmiş verilere daha fazla önem vermesi nedeniyle geleneksel yöntemlerden farklılık gösterir. Bu, moleküllerin nasıl çarpacağına ve birbirlerinin etrafında uçacağına dair simülasyonlar yürütmek yerine yapılır. Yani geçmiş olayları kullanarak tahminler yapan bir makine öğrenmesi modelidir. Bu, gerekli hesaplamaların düzeyi ve sayısı açısından daha basit olsa da, çok karmaşık bilgisayar bilimi içerir.
Dünyada 6 saat önceki hava durumu verileri hâlâ veriliyor
GraphCast, Dünya'nın mevcut hava durumu ve altı saat önceki hava durumu verileriyle başlar. Daha sonra altı saat sonra havanın nasıl olacağına dair bir tahminde bulunuyor. GraphCast daha sonra bu tahminleri modele geri besleyerek aynı hesaplamayı yapar ve daha uzun vadeli tahminler üretir. Google ekibi, GraphCast'in sonuçlarını orta vadeli hava tahmini için kullanılan mevcut model olan HRES ile karşılaştırdı. GraphCast'ın araştırmasına göre, testlerde kullanılan hedeflerin %90'ından fazlasında HRES'ten “önemli ölçüde” daha iyi performans gösterdi.
GraphCast, tropik kasırgalar ve ani sıcaklık değişiklikleri gibi ekstrem hava olaylarını tahmin etme konusunda da şaşırtıcı bir başarı elde etti; her ne kadar bunlar için özel olarak eğitilmemiş olsa da. Araştırmanın yazarları, çalışmalarının geleneksel sistemlerle birlikte çalışması gerektiğini belirtiyor. Çalışma yazarları, “Yaklaşımımız geleneksel hava tahmini yöntemlerinin yerini almayı amaçlamıyor” diye yazdı. “Ne kadar çok çalışırsak, [makine öğrenimi hava tahmini] gerçek dünyadaki tahmin problemlerinin zorluklarını karşılayabileceğinin ve mevcut en iyi yöntemleri tamamlayıp geliştirebileceğinin kanıtı olarak yorumlanmalıdır.”
Bir yanıt bırakın
Yorum yapabilmek için oturum açmalısınız.