Google’ın Yeni Yapay Zeka Hava Durumu Uzmanı, Hava Tahmincilerini Geride Bırakabilir

“Nihayet, ofise, işe veya dışarı çıkarken size ne giymeniz gerektiğini size söyleyecek bir robot. Arama devi Google’ın yapay zeka odaklı beyin takımı DeepMind, geleneksel sistemleri %90’dan fazla geçen yeni bir hava tahmin modelini duyurdu. GraphCast adını taşıyan bu makine öğrenimi modeli, bugün kullandığınız hava durumu uygulamalarını çalıştıran araçlardan daha iyi, daha hızlı ve daha enerji verimli olarak 10 günlük tahminler vadediyor.

Google’ın araştırmacıları, Salı günü yayımlanan bir çalışmada, “Bu durumun hava tahmininde bir dönüm noktasını işaret ettiğine inanıyoruz,” dedi.”

Mevcut tahmin modelleri genellikle “sayısal hava tahmini (NWP)” olarak adlandırılır. NWP, akışkan dinamiği, termodinamik ve diğer atmosfer bilimleri prensiplerini kullanarak mevcut hava koşullarını büyük modellere sokarak gelecekteki değişiklikleri simüle eder. Bu zordur, pahalıdır ve çok fazla hesaplama gücü gerektirir.

GraphCast, geçmiş verilere daha fazla vurgu yaparak geleneksel yöntemlerden ayrılır. Bu, moleküllerin birbirleriyle nasıl çarpacağı ve uçuşacağı konusunda simülasyonlar yapmak yerine yapılır. Başka bir deyişle, önceki olayları kullanarak tahminler yapan bir makine öğrenimi modelidir. Bu, gereken hesaplama seviyesi ve sayısı açısından daha basit olsa da, çok karmaşık bir bilgisayar bilimi içerir.

Dünya’da Hala 6 Saat Önceki Hava Durumu Verileri Veriliyor

GraphCast, Dünya’nın mevcut hava durumu durumuyla ve altı saat önceki hava durumu verileriyle başlar. Ardından, hava durumunun altı saat sonra nasıl olacağı konusunda bir tahminde bulunur. GraphCast daha sonra bu tahminleri modele geri besler, aynı hesaplamayı yapar ve daha uzun vadeli tahminler üretir.

Google ekibi, GraphCast’ın orta vadeli hava tahmini için kullanılan mevcut model olan HRES ile sonuçlarını karşılaştırdı. Çalışmaya göre, GraphCast, testte kullanılan hedeflerin %90’ından fazlasında HRES’i “önemli ölçüde” geride bıraktı.

GraphCast ayrıca, özellikle bunlara özel olarak eğitilmediği halde, tropikal siklonlar ve ani sıcaklık değişiklikleri gibi aşırı hava olaylarını tahmin etmede şaşırtıcı bir başarı elde etti.

Çalışmanın yazarları, çalışmalarının geleneksel sistemlerle birlikte çalışması gerektiğini belirtiyor. “Yaklaşımımız, geleneksel hava tahmini yöntemlerinin yerine geçecek şekilde değil,” çalışmanın yazarları yazdı. “Daha çok, çalışmamız, [makine öğrenimi hava tahmini] gerçek dünya tahmin sorunlarının zorluklarını karşılayabildiğini ve mevcut en iyi yöntemleri tamamlayıp geliştirebileceğini gösteren bir kanıt olarak yorumlanmalıdır.”