گوگل دیپ‌مایند با هوش مصنوعی، پیش‌بینی طوفان‌ها را یک روز جلو می‌اندازد

نبض‌فناوری اخبار فناوری کد خبر: ۴۸۷۹۵ | ۲۵ مرداد ۱۴۰۵ | ۱۸:۰۹ گوگل دیپ‌مایند با هوش مصنوعی، پیش‌بینی طوفان‌ها را یک روز جلو می‌اندازد مدل هوش مصنوعی WeatherNext گوگل دیپ‌مایند می‌تواند مسیر، شدت و ساختار باد طوفان‌های حاره‌ای را با دقتی هم‌سطح روش‌های پیشرفته…

2 دقیقه مطالعه
  • هوش مصنوعی
  • مدل
  • طوفان‌های
  • پیش‌بینی
  • گوگل
  • پیش‌بینی‌های
  • می‌تواند
  • هواشناسی
گوگل دیپ‌مایند با هوش مصنوعی، پیش‌بینی طوفان‌ها را یک روز جلو می‌اندازد

خلاصه تحلیلی خبر

نبض‌فناوری اخبار فناوری کد خبر: ۴۸۷۹۵ | ۲۵ مرداد ۱۴۰۵ | ۱۸:۰۹ گوگل دیپ‌مایند با هوش مصنوعی، پیش‌بینی طوفان‌ها را یک روز جلو می‌اندازد مدل هوش مصنوعی WeatherNext گوگل دیپ‌مایند می‌تواند مسیر، شدت و ساختار باد طوفان‌های حاره‌ای را با دقتی هم‌سطح روش‌های پیشرفته…

موضوعات اصلی: هوش مصنوعی، مدل، طوفان‌های، پیش‌بینی، گوگل، پیش‌بینی‌های

کد خبر: ۴۸۷۹۵
|
۲۵ مرداد ۱۴۰۵ | ۱۸:۰۹

گوگل دیپ‌مایند با هوش مصنوعی، پیش‌بینی طوفان‌ها را یک روز جلو می‌اندازد

هوش مصنوعی
مدل هوش مصنوعی WeatherNext گوگل دیپ‌مایند می‌تواند مسیر، شدت و ساختار باد طوفان‌های حاره‌ای را با دقتی هم‌سطح روش‌های پیشرفته پیش‌بینی کند و در برخی پیش‌بینی‌های سه‌روزه، عملکردی مشابه سامانه‌های سنتی در پیش‌بینی‌های دو‌روزه داشته باشد؛ دستاوردی که می‌تواند حدود **۲۴ ساعت زمان بیشتر برای هشدار و آماده‌سازی در برابر طوفان‌های خطرناک** در اختیار هواشناسان قرار دهد.

این شرکت اعلام کرد مدل WeatherNext، بر اساس مقاله‌ای که در مجله علمی Nature منتشر شده در پیش‌بینی مسیر، شدت و ساختار بادهای طوفان‌های حاره‌ای به دقتی در سطح پیشرفته دست یافته است.

گوگل دیپ‌مایند مدعی است پیش‌بینی‌های سه‌روزه این مدل تقریبا به اندازه سامانه‌های قدیمی‌تر در پیش‌بینی‌های دوروزه دقیق هستند. این موضوع می‌تواند حدود ۲۴ ساعت زمان اضافی در اختیار هواشناسان قرار دهد تا برای طوفان‌های خطرناک آماده شوند.

این پژوهش با همکاری Google Research و کارشناسان هواشناسی از سازمان‌هایی از جمله مرکز ملی توفان‌های آمریکا (NHC)، مؤسسه تعاونی پژوهش در علوم جوی و اداره هواشناسی بریتانیا (UK Met Office) انجام شده است.

گوگل اعلام کرده این مدل با استفاده از نزدیک به ۲۰ ترابایت داده‌های جوی و سوابق تاریخی مربوط به حدود پنج هزار طوفان آموزش داده شده است.

یکی از یافته‌های جالب آن است که WeatherNext با وجود استفاده از داده‌های هواشناسی با تفکیک‌پذیری بسیار پایین‌تر از مدل‌های سنتی پیش‌بینی شدت طوفان‌های حاره‌ای، عملکرد خوبی دارد.

نسخه اصلی این مدل با داده‌هایی با تفکیک‌پذیری حدود ۲۸ در ۲۸ کیلومتر کار می‌کند. به گفته گوگل، این وضوح تقریبا ۱۰۰ برابر پایین‌تر از مدل‌های تخصصی با وضوح بالا است که معمولابرای پیش‌بینی شدت طوفان‌ها مورد استفاده قرار می‌گیرند.

پژوهشگران می‌گویند هنوز به‌طور کامل نمی‌دانند که چرا این مدل با وجود دریافت داده‌های ورودی با وضوح پایین‌تر، چنین عملکرد خوبی دارد.

این سامانه همچنین می‌تواند هزار سناریوی احتمالی برای مسیر و رفتار یک طوفان تولید کند و به پیش‌بینی‌کنندگان هواشناسی کمک کند طیف گسترده‌ای از پیامدهای احتمالی، از جمله موارد تشدید سریع طوفان را ارزیابی کنند.

ارسال نظرات
نظر شما :
غیر قابل انتشار:
|
در انتظار بررسی:
|
انتشار یافته:

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.