AI katika Utabiri wa Hali ya Hewa
Miundo ya hali ya hewa ya AI hujifunza mifumo ya angahewa moja kwa moja kutoka kwa miongo kadhaa ya uchunguzi uliopita, ikitoa utabiri wa siku 10 kwa sekunde ambao unashindana au kushinda miundo ya kompyuta kuu inayotegemea fizikia ambayo ilichukua saa nyingi kukimbia.
Muhtasari
This is reshaping how meteorologists predict storms, heatwaves, and hurricanes.
Dive ya kina
Kwa miaka 70, utabiri wa hali ya hewa ulimaanisha kusuluhisha milinganyo ya fizikia ya maji kwenye kompyuta kubwa kubwa - mchakato unaoitwa utabiri wa hali ya hewa wa nambari (NWP). AI hugeuza mbinu hii: miundo kama Google GraphCast ya DeepMind, Pangu-Weather ya Huawei, na FourCastNet ya NVIDIA imefunzwa kwenye mkusanyiko wa data wa uchanganuzi upya wa ERA5, takriban miaka 40 ya hali ya hewa ya kila saa duniani. Wanajifunza uhusiano wa takwimu kati ya anga ya leo na ya kesho, kisha kutabiri kwa kulinganisha muundo badala ya kuiga fizikia. GraphCast hutoa utabiri wa kimataifa wa siku 10 kwa ubora wa digrii 0.25 kwa chini ya dakika moja kwenye TPU moja, dhidi ya saa kwenye nguzo ya kompyuta kubwa. Mnamo 2023, GraphCast ilifanya vyema zaidi muundo wa ECMWF wa kiwango cha dhahabu kwenye anuwai nyingi. Kituo cha Ulaya sasa kinaendesha modeli yake ya uendeshaji ya AI, AIFS.
Ufahamu wa Kiufundi
GraphCast inawakilisha ulimwengu kama grafu: matundu mengi ya nodi zilizounganishwa kwa mizani nyingi, kuruhusu habari kueneza ndani na nje ya umbali mrefu kwa hatua chache. Mtandao wa neva wa grafu humeza hali ya angahewa ya sasa na ya awali, kisha hutabiri hali saa 6 mbele. Ili kutabiri siku 10, inalisha pato lake yenyewe kwa kurudi nyuma, mara 40. Mafunzo huboresha hitilafu katika viwango vya shinikizo na vigezo kama vile halijoto, upepo na unyevunyevu.
Athari za kimkakati
Context and rules
Muktadha wa tasnia huamua kama mawazo ya AI yatadumu katika mawasiliano na ukweli.
Quality control
Vikwazo vya kikoa huathiri viwango vinavyokubalika vya makosa na miundo ya uangalizi.
Tengeneza chaguzi
Usambazaji uliofanikiwa hulinganisha uwezo wa kiufundi na mtiririko wa kazi wa mstari wa mbele.
Mustakabali wa AI katika Utabiri wa Hali ya Hewa
Utabiri wa AI unaanza kutoka kwa utafiti hadi shughuli za kila siku: ECMWF, UK Met Office, na zingine sasa zinaendesha miundo ya AI pamoja na fizikia. Mipaka inayofuata ni pamoja na vikundi vinavyotegemea uenezaji (GenCast) ambavyo hukadiria kutokuwa na uhakika, miundo ya ndani yenye ukubwa wa kilomita, na 'miundo ya msingi' ya Dunia inayoshughulikia hali ya hewa, hali ya hewa na ubora wa hewa pamoja. Mifumo mseto inayooanisha kasi ya AI na kutegemewa kwa fizikia kwa hali mbaya sana nadra kuna uwezekano, kwa kuwa miundo safi inayoendeshwa na data inaweza kukadiria matukio ambayo hayajawahi kutokea ambayo hayapo kwenye data ya mafunzo.
Utekelezaji wa Ulimwengu Halisi
Google GraphCast ya DeepMind inayozalisha utabiri wa kimataifa wa siku 10 kwa chini ya dakika moja, inayotumiwa kuashiria njia ya vimbunga siku kabla
ECMWF inaendesha modeli yake ya uendeshaji ya AIFS ili kutimiza utabiri wake wa jadi wa msingi wa fizikia kwa huduma za hali ya hewa za Ulaya.
FourCastNet ya NVIDIA inazalisha vikundi vikubwa kwa kasi ili kukadiria uwezekano wa matukio ya upepo mkali na mvua.
GenCast inazalisha utabiri wa mkusanyiko unaowezekana ambao ulishinda ENS ya ECMWF kwenye asilimia 97 ya malengo ya hali ya hewa yaliyojaribiwa, kuboresha mwongozo wa kufuatilia kimbunga.
Hatari & Walinzi
Mahitaji ya udhibiti yanaweza kubatilisha prototypes zenye nguvu.
Data ya kihistoria inaweza kusimba upendeleo unaodhuru jumuiya mahususi.
Mifumo ya urithi inaweza kuunda vikwazo vya ushirikiano na gharama zilizofichwa.
Ramani ya Utekelezaji
Shirikisha wataalam wa kikoa kutoka kwa uundaji wa shida hadi tathmini.
Tengeneza njia za ukaguzi na nyaraka kabla ya kuzinduliwa.
Thibitisha majukumu ya kufuata na usalama mapema.
Toa kwa awamu kwa vigezo wazi vya kusimamisha na kurejesha.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Weather Forecasting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
AI katika Utabiri wa Mafuriko
Maswali yanayoulizwa mara kwa mara
What is AI in Weather Forecasting?
Miundo ya hali ya hewa ya AI hujifunza mifumo ya angahewa moja kwa moja kutoka kwa miongo kadhaa ya uchunguzi uliopita, ikitoa utabiri wa siku 10 kwa sekunde ambao unashindana au kushinda miundo ya kompyuta kuu inayotegemea fizikia ambayo ilichukua saa nyingi kukimbia. Hii inarekebisha jinsi wataalamu wa hali ya hewa wanavyotabiri dhoruba, mawimbi ya joto na vimbunga.
Ni mkusanyiko gani wa data unaoongoza mifano ya hali ya hewa ya AI kama vile GraphCast kimsingi hufunza?
GraphCast na miundo kama hiyo imepewa mafunzo kuhusu uchanganuzi upya wa ERA5 wa ECMWF, ambao hutoa miongo kadhaa ya data ya angahewa ya kimataifa ya kila saa.
Mfano wa AI kama GraphCast kimsingi hutofautiana vipi na utabiri wa hali ya hewa wa kitamaduni?
NWP kwa nambari hutatua milinganyo ya ugiligili, ilhali AI mifano ya muundo-linganisha uhusiano uliojifunza kutoka kwa data ya kihistoria.
Je, GraphCast hutoaje utabiri wa siku 10 kutoka kwa hatua ya utabiri wa saa 6?
GraphCast inatabiri saa 6 mbele, kisha inalisha utabiri huo kama ingizo, ikirudia takriban mara 40 ili kufikia siku 10.
GraphCast inachukua muda gani kutoa utabiri wa kimataifa wa siku 10 kwenye TPU moja?
Faida kuu ya utabiri wa AI ni kasi: GraphCast huendesha chini ya dakika moja dhidi ya saa kwa kompyuta kuu ya NWP.
Ni kizuizi gani muhimu cha mifano ya hali ya hewa ya AI inayoendeshwa na data?
Kwa sababu wanajifunza kutoka kwa data ya kihistoria, miundo ya AI inaweza kukabiliana na matukio ya kuvunja rekodi ambayo hayana mfano katika seti yao ya mafunzo.