زوميت/ پژوهشگران گوگل باکمک يادگيري ماشين توانستهاند مدلي کارآمد و سريع در پيشبيني وضعيت کوتاهمدت آبوهوا توسعه دهند.
در کانال آيتي و
™CanaleIT هم کلي عکس و ويدئوي دسته اول و جذاب داريم
پيشبيني آبوهوا براي کارشناسان همواره امري دشوار بوده است؛ اما در سالهاي اخير کارشناسان توانستهاند از قابليتهاي يادگيري ماشين در اين حوزه بهخوبي بهره ببرند. گوگل ازجمله شرکتهايي بوده که بهتازگي به اين حرکت پيوسته است. اين شرکت هفتهي گذشته از نتايج پژوهشهاي تازهي خود در راستاي قابليت پيشبيني (تقريبا) آني وضعيت آبوهوا پرده برداشت.
البته تحقيقات يادشده هنوز در مراحل اوليهي خود بهسر ميبرد و بايد منتظر نتايج عملکرد واقعي آن روي سيستمهاي تجاري بود. با اين حال، نتايج اوليه بسيار اميدوارکننده بهنظر ميآيند. پژوهشگران گوگل طي مقالهاي (که هنوز مورد بازبيني قرار نگرفته است) توضيح دادهاند که چگونه تنها با چند دقيقه محاسبات توانستهاند امکان وقوع بارش باران را ۶ ساعت پيش از وقوع، در منطقهاي با حد خطاي يک کيلومتر پيشبيني کنند.
چنين دستاوردي پيشرفتي عظيم نسبتبه فناوريهاي موجود تلقي خواهد شد؛ چراکه در حال حاضر، براي انجام چنين پيشبينيهايي نياز به صرف ساعتها زمان در کنار توليد حجم بالايي از دادههاي پيچيده است. پژوهشگران ميگويند که قابليت محاسبات سريع خود بهمنزلهي «ابزاري ضروري براي سازگاري بهتر با سير تغييرات اقليمي، بهويژه در شرايط جوي شديد» خواهد بود. آنها ميگويند امروز که جهان ما درگير الگوهاي آبوهوايي بهشدت پيشبينيناپذيري شده است، قابليت پيشبيني کوتاهمدت نقشي کليدي در مديريت بحران و کاهش تلفات جاني خواهد داشت.
گوگل در پژوهش اخير خود از دادههاي راداري براي پيشبيني بارندگي بهره برده؛ در تصوير بالا محل شکلگيري ابرها و در تصوير پايين محل بارندگي نمايش داده شده است.
برترين مزيت روش بهکارفته ازسوي گوگل نسبت به روشهاي سنتي پيشبيني آبوهوا در سرعت محاسبات آن است. پژوهشگران گوگل حاصل کار خود را با دو روش فعلي موجود مقايسه کردهاند. يکي از اين روشها «پيشبيني شار نوري» (OF) است که بر تغييرات پديدههايي نظير ابرها تکيه دارد؛ روش ديگر «پيشبيني برمبناي شبيهسازي» است که در آن، شبيهسازيهاي فيزيکي دقيقي از سيستمهاي آبوهوايي توليد ميشود.
مشکل اصلي اين روشهاي قديمي (بهخصوص شبيهسازيهاي فيزيکي) آن است که وابسته به انجام حجم بسيار بالايي از محاسبات هستند. بهعنوان مثال، براي انجام شبيهسازيهاي فعلي از سوي آژانسهاي دولتي پيشبيني آبوهواي ايالات متحده نياز به پردازش روزانهي بيش از ۱۰۰ ترابايت داده از سراسر ايستگاههاي هوايي کشور است که تحقق آن خود مستلزم صرف ساعتها پردازش باکمک ابررايانههايي گرانقيمت خواهد بود. جيسون هايکي، مهندس نرمافزار گوگل در وبلاگش چنين آورده است:
اگر انجام محاسبات يک پيشبيني نيازمند ۶ ساعت زمان باشد، اين بدان معنا خواهد بود که تنها قادر به انجام ۳ الي ۴ شبيهسازي در هر روز هستيم که آن هم برمبناي دادههاي ۶ ساعت پيش بهدست آمدهاند. چنين فرايندي دانش ما را نسبتبه آنچه هماينک در حال وقوع است، با محدوديت مواجه خواهد کرد.
اما روشهاي تازه ابداعشده توسط گوگل ميتوانند تنها در عرض چند دقيقه نتايج لازم را توليد کنند؛ چراکه در اين روشها، کل سيستمهاي پيچيدهي آبوهوايي مدلسازي نميشوند؛ بلکه در عوض، از دادههاي راداري ساده بهعنوان معياري براي پيشبيني بارندگي بهره برده ميشود.
پژوهشگران گوگل مدل هوش مصنوعي خود را باکمک دادههاي راداري تاريخي جمعآوريشده در بازهي زماني سالهاي ۲۰۱۷ تا ۲۰۱۹ ازسوي ادارهي ملي جوي و اقيانوسي ايالات متحده (NOAA) آموزش دادند. آنها ميگويند نتايج اين پيشبيني به خوبي نتايج حاصل از سه روش رايج فعلي بوده و حتي در مواردي از آنها بهتر نيز بوده است. برتري اين مدل جديد زماني آشکار شد که توانست پيشبينيهاي خود را ۶ ساعت زودتر نسبتبه مدلهاي قبلي ارائه کند.
دستاورد يادشده نقطهعطفي در کاربرد يادگيري ماشين در پيشبينيهاي آبوهوايي است؛ چراکه ميتوان باکمک اين ابزار، پيشبينيهاي کوتاهمدت را با سرعت بسيار بيشتري انجام داد و در عين حال، پيشبينيهاي بلندمدتتر را به مدلهاي قدرتمندتر واگذار کرد. گرچه هنوز براي اظهارنظر درمورد دامنهي اثرات فناوري هوشمصنوعي در پيشبيني آبوهوا بسيار زود است؛ ولي بسياري از شرکتها نظير IBM و Monsanto از همين حالا سرمايهگذاري در اين عرصه را آغاز کردهاند. همانگونه که پژوهشگران گوگل بدان اشاره دارند، همزمان با اوجگيري سير تغييرات اقليمي در جهان اطراف ما، تکنيکهاي پيشبيني آبوهوا نيز بهمرور اهميت بيشتري در زندگي روزمرهمان پيدا خواهند کرد.
بازار