فهرست مطالب
گوگل مدل WeatherNext 3 را با پیشبینی ساعتی، وضوح ۵ کیلومتری و بهبود ۶۰ درصدی پیشبینی بارش برای افزایش دقت هواشناسی معرفی کرد.
به گزارش سرویس هوش مصنوعی تکناک، گوگل اعلام کرده است که WeatherNext 3 بهتدریج در اطلاعات آبوهوایی نمایشدادهشده در جستوجوی گوگل، Google Maps و Gemini استفاده خواهد شد. کاربران و پژوهشگران نیز میتوانند از این مدل در پلتفرمهای ابری گوگل استفاده کنند.
سامیر مرچنت، مهندس ارشد گوگل، به TechCrunch گفت برخی از متغیرهای اصلی WeatherNext 3 برای نخستینبار میتوانند دادههای موردنیاز شماری از محصولات گوگل را تأمین کنند.
WeatherNext 3 در آزمایشهای انجامشده با Operational WeatherBench، دقیقترین عملکرد را میان مدلهای پیشرو داشته است. این سامانه معیارهایی مانند دما، سرعت باد و رطوبت را برای مقایسه مدلهای پیشبینی بررسی میکند.
WeatherNext 3 علاوه بر مدلهای یادگیری عمیق ساختهشده توسط گوگل، مایکروسافت، انویدیا و مرکز اروپایی پیشبینی وضع هوا در میانمدت، از پیشبینیهای سنتی سرویس ملی هواشناسی آمریکا و ECMWF نیز عملکرد بهتری داشته است.
WeatherNext 3 با وضوح ۵ کیلومتری پیشبینی میکند
بیشتر پیشبینیهای آبوهوا همچنان با استفاده از ابررایانههای دولتی انجام میشوند که معادلات ریاضی پیچیده مربوط به فیزیک جو را پردازش میکنند.
این سامانهها دقت بالایی دارند، اما هزینه زیادی دارند و در مقایسه با مدلهای هوش مصنوعی کندتر هستند.
پس از انتشار بیش از نیم قرن دادههای آبوهوایی تولیدشده توسط ECMWF در سال ۲۰۱۸، پژوهشگران یادگیری عمیق آموزش مدلهایی را آغاز کردند که میتوانستند پیشبینیها را بسیار سریعتر و با دقتی مشابه ابزارهای دولتی انجام دهند.
مدلهای هوش مصنوعی پیشین با چند محدودیت مهم روبهرو بودند. این مدلها معمولاً پیشبینیها را در محدودهای بزرگتر از نیاز واقعی، حدود ۱۵ تا ۲۵ کیلومتر مربع، ارائه میکردند و در پیشبینی بارش نیز همیشه عملکرد مطلوبی نداشتند.
آنها همچنین همچنان به مجموعهدادههای قالببندیشده سازمانهای دولتی وابسته بودند.
WeatherNext 3 برای رفع این مشکلات طراحی شده است. پژوهشگران میگویند این مدل در متغیرهای مهم میتواند پیشبینیهایی با وضوح ۵ کیلومتر ارائه دهد.
عملکرد آن در ارزیابی بارش نیز نسبت به WeatherNext 2 حدود ۶۰ درصد بهبود یافته است. این مدل علاوه بر این، پیشبینیهای ساعتی ارائه میکند، درحالیکه پیشبینی استاندارد معمولاً هر شش ساعت یکبار انجام میشود.
بیشتر بخوانید: با جیمیل و داکس حرف بزنید! دستیار صوتی به اپلیکیشنهای گوگل اضافه شد
استفاده از دادههای خام ماهوارهای برای پیشبینیهای ساعتی
WeatherNext 3 نسبت به نسل قبل مدل بزرگتری است و ۲.۴ برابر پارامتر بیشتری دارد. پژوهشگران همچنین مدل را برای پیشبینی دادههای ایستگاههای مشخص آبوهوا آموزش دادهاند.
این روش امکان ارائه پیشبینیهای دقیقتر در نقاط مشخص و مقایسه مستقیم نتایج با دادههای واقعی ایستگاهها را فراهم میکند.
این مدل میتواند پیشبینیها را با دفعات بیشتری انجام دهد، زیرا دادههای ماهوارههای هواشناسی را بهصورت زنده و ساعتی دریافت میکند.
استفاده از مشاهدات خام و واقعی، بهجای تحلیلهایی که ابررایانههای هواشناسی تولید میکنند، میتواند دقت پیشبینی را افزایش دهد، هرچند پردازش دادههای بدون قالب همچنان از نظر فنی دشوار است.
گوگل WeatherNext 3 را نخستین مدل هوش مصنوعی میداند که دادههای خام را مستقیماً برای پیشبینی جهانی با وضوح بالا وارد فرایند میکند.
با این حال، شرکت هوش مصنوعی هواشناسی WindBorne اعلام کرده است مدل WeatherMesh 6 این شرکت از اواخر سال ۲۰۲۵ دادههای خام بالنهای هواشناسی و منابع دیگر را وارد فرایند پیشبینی میکند.
گوگل در پاسخ گفته است پیشبینیهای WeatherNext 3 در سراسر جهان وضوح بالاتری دارند.
هر دو مدل همچنان برای پیشبینی به مجموعهدادههای ملی هواشناسی متکی هستند و برای رسیدن به استفاده مستقیم و کامل از دادههای خام، تحقیقات بیشتری لازم است.
هوش مصنوعی در سالهای اخیر در حوزه هواشناسی نیز اهمیت زیادی پیدا کرده است. سازمانهای هواشناسی اروپا و آمریکا از مدلهای هوش مصنوعی در محصولات پیشبینی خود استفاده میکنند. سرعت بیشتر و هزینه کمتر این مدلها میتواند دسترسی مناطق کمبرخوردار به پیشبینیهای دقیق را افزایش دهد.
بیل گیتس نیز اخیراً پیشبینی آبوهوا با هوش مصنوعی را یکی از مزایای مهم این فناوری دانسته و گفته است پیشبینیهای دقیقتر میتوانند به افزایش محصولات کشاورزی در کشورهای درحالتوسعه کمک کنند.
پژوهشگران DeepMind همچنین معتقدند پیشبینی دقیقتر باد، بارش و پوشش ابر میتواند قابلیت اتکای پروژههای انرژی تجدیدپذیر را افزایش دهد.
بیشتر بخوانید: هوش مصنوعی گوگل محصولات را ۴۹ درصد گرانتر نشان می دهد
