[ad_1]
Trong khi các kỹ thuật học máy mới dự đoán thời tiết bằng cách học từ dữ liệu trong nhiều năm qua cực kỳ nhanh và hiệu quả, chúng có thể gặp khó khăn với các dự đoán dài hạn. Mặt khác, các mô hình lưu thông chung, đã thống trị dự báo thời tiết trong 50 năm qua, sử dụng các phương trình phức tạp để mô hình hóa các thay đổi trong khí quyển và đưa ra các dự báo chính xác, nhưng chúng cực kỳ chậm và tốn kém để chạy. Các chuyên gia đang chia rẽ về việc công cụ nào sẽ đáng tin cậy nhất trong tương lai. Nhưng mô hình mới của Google thay vào đó cố gắng kết hợp cả hai.
Stephan Hoyer, một nhà nghiên cứu AI tại Google DeepMind và là đồng tác giả của bài báo, cho biết: “Nó không phải là vật lý đấu với AI. Thực ra là vật lý và AI kết hợp với nhau”.
Hệ thống vẫn sử dụng một mô hình thông thường để tính toán một số thay đổi lớn của khí quyển cần thiết để đưa ra dự đoán. Sau đó, nó kết hợp AI, có xu hướng hoạt động tốt ở những nơi mà các mô hình lớn hơn không hiệu quả—thường là đối với các dự đoán ở quy mô nhỏ hơn khoảng 25 km, như những dự đoán liên quan đến sự hình thành mây hoặc vi khí hậu khu vực (ví dụ như sương mù của San Francisco). Hoyer cho biết “Đó là nơi chúng tôi đưa AI vào một cách rất có chọn lọc để sửa các lỗi tích tụ ở quy mô nhỏ”.
Các nhà nghiên cứu cho biết kết quả là một mô hình có thể đưa ra các dự đoán chất lượng nhanh hơn với ít năng lực tính toán hơn. Họ cho biết NeuralGCM chính xác như dự báo từ một đến 15 ngày của Trung tâm Dự báo Thời tiết Trung hạn Châu Âu (ECMWF), một tổ chức đối tác trong nghiên cứu.
Nhưng lời hứa thực sự của công nghệ như thế này không nằm ở việc dự đoán thời tiết tốt hơn cho khu vực địa phương của bạn, Aaron Hill, trợ lý giáo sư tại Khoa Khí tượng học thuộc Đại học Oklahoma, người không tham gia vào nghiên cứu này, cho biết. Thay vào đó, nó nằm ở các sự kiện khí hậu quy mô lớn hơn, tốn kém quá mức để mô hình hóa bằng các kỹ thuật thông thường. Các khả năng có thể dao động từ dự đoán các cơn bão nhiệt đới với thông báo sớm hơn đến mô hình hóa các thay đổi khí hậu phức tạp hơn trong nhiều năm.
Hill cho biết: “Việc mô phỏng quả địa cầu nhiều lần hoặc trong thời gian dài đòi hỏi rất nhiều tính toán”. Điều đó có nghĩa là các mô hình khí hậu tốt nhất bị cản trở bởi chi phí năng lượng tính toán cao, gây ra tình trạng tắc nghẽn thực sự cho nghiên cứu.
[ad_2]
Source link