
SEEDS是一個生成型人工智能平臺,可以比傳統(tǒng)模型更快、建立更高效地構(gòu)建許多天氣集合。預(yù)測合肥(酒店上門服務(wù))聯(lián)系方式vx《189-4143》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達(圖片來源:uux.cn/Revolu7ion93通過蓋蒂圖片社)
(神秘的未天地球uux.cn)據(jù)美國生活科學(xué)網(wǎng)站(德魯·特尼):谷歌發(fā)布了一種人工智能(AI)模型,聲稱該模型可以大規(guī)模生成準確的氣災(zāi)天氣預(yù)報,同時比傳統(tǒng)的人工基于物理的預(yù)測更便宜。
“可擴展集成包絡(luò)擴散采樣器”(SEEDS)模型的模型設(shè)計類似于ChatGPT等流行的大型語言模型和Sora等生成人工智能工具,后者根據(jù)文本提示生成視頻。谷歌
SEEDS生成許多集合——或多個天氣場景——比傳統(tǒng)的建立預(yù)測模型更快、更便宜。預(yù)測該團隊在3月29日發(fā)表在《科學(xué)進展》雜志上的未天一篇論文中描述了他們的發(fā)現(xiàn)。
天氣很難預(yù)測,氣災(zāi)有許多變量可能導(dǎo)致潛在的人工合肥(酒店上門服務(wù))聯(lián)系方式vx《189-4143》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達破壞性天氣事件,從颶風到熱浪。模型隨著氣候變化的谷歌惡化和極端天氣事件的日益普遍,準確預(yù)測天氣可以讓人們有時間為自然災(zāi)害的最壞影響做好準備,從而挽救生命。
目前氣象服務(wù)部門使用的基于物理的預(yù)測收集了各種測量結(jié)果,并給出了最終預(yù)測,該預(yù)測基于所有變量對許多不同的建模預(yù)測或集合進行平均。天氣預(yù)報不是基于單一的預(yù)測,而是基于每個預(yù)測周期的一組預(yù)測,這些預(yù)測提供了一系列可能的未來狀態(tài)。
這意味著,對于溫和的天氣或溫暖的夏日等更常見的情況,大多數(shù)天氣預(yù)測都足夠準確,但大多數(shù)服務(wù)都無法生成足夠的預(yù)測模型來發(fā)現(xiàn)極端天氣事件的可能結(jié)果。
當前的預(yù)測也使用確定性或概率性預(yù)測模型,其中將隨機變量引入初始條件。但這會導(dǎo)致錯誤率迅速上升,這意味著很難準確預(yù)測未來的極端天氣和天氣。
初始條件中的不可預(yù)見誤差也會極大地影響預(yù)測結(jié)果,因為變量隨著時間呈指數(shù)級增長,并且對足夠多的預(yù)測進行建模以考慮到如此微小的細節(jié)是昂貴的。谷歌的科學(xué)家估計,一個模型中需要10000個預(yù)測來預(yù)測只有1%可能發(fā)生的事件。
SEEDS根據(jù)氣象機構(gòu)收集的物理測量結(jié)果生成預(yù)測模型。特別是,它研究了對流層中部地球重力場每質(zhì)量勢能單位與海平面壓力之間的關(guān)系,這是預(yù)測中常用的兩種測量方法。
傳統(tǒng)方法只能產(chǎn)生大約10到50個預(yù)測的集合。但通過使用人工智能,當前版本的SEEDS可以僅基于一到兩個用作輸入數(shù)據(jù)的“播種預(yù)測”推斷出多達31個預(yù)測集合。
研究人員通過使用當時記錄的歷史天氣數(shù)據(jù)對2022年歐洲熱浪進行建模,對該系統(tǒng)進行了測試。谷歌代表在其研究門戶網(wǎng)站的博客文章中表示,就在熱浪爆發(fā)前七天,美國的整體作戰(zhàn)預(yù)測數(shù)據(jù)沒有表明這樣的事件即將發(fā)生。他們補充說,少于100個預(yù)測的集合——這比傳統(tǒng)的集合要多——也會錯過它。
科學(xué)家們稱,與當今的方法相比,使用SEEDS進行計算的計算成本“微不足道”。谷歌表示,在谷歌云架構(gòu)的樣本中,人工智能系統(tǒng)每三分鐘處理時間的吞吐量為256個集合,可以通過招募更多加速器來輕松擴展。


相關(guān)文章




精彩導(dǎo)讀
熱門資訊
關(guān)注我們