Ciekawostki

Przełom w prognozowaniu pogody. Google stworzył algorytm przewidujący przyszłość

przeczytasz w 1 min.

Google chce, by meteorologów wsparła sztuczna inteligencja. Podobno już teraz zawstydza ona najpotężniejsze superkomputery.

SEEDS (Scalable Ensemble Envelope Diffusion Sample) to model generatywnej sztucznej inteligencji, który został opracowany przez Google Research i służy do prognozowania pogody. 

Artykuł poświęcony tej technologii został opublikowany w prestiżowym magazynie Science, a badacze Google’a dowodzą jej wysokiej efektywności. Z ujawnionych danych wynika, że SEEDS prognozuje pogodę ze skutecznością porównywalną z najpotężniejszymi superkomputerami wykorzystywanych w amerykańskich placówkach meteorologicznych, ale przy "niewielkim ułamku kosztów" działania. 

Google przekonuje, że dokładne prognozowanie pogody tradycyjnymi metodami - a w szczególności przewidywanie rzadkich, ale ekstremalnych zjawisk atmosferycznych - wymaga gigantycznej mocy obliczeniowej. Jest zatem wysoce prawdopodobne, że straty poniesione podczas wielu powodzi, tornad czy trzęsień ziemi dałoby się znacznie zminimalizować, gdyby ich prognozowanie było tańsze. 

Jako że koszty związane z wykorzystaniem technologii SEEDS mają być "znikome", jej twórcy wierzą, że będzie ona w stanie wesprzeć m.in. centra zarządzania kryzysowego, a tym samym zwiększyć bezpieczeństwo ludzi na całym świecie.

Źródło: Google Research

Komentarze

5
Zaloguj się, aby skomentować
avatar
Komentowanie dostępne jest tylko dla zarejestrowanych użytkowników serwisu.
  • avatar
    PerfectDAY
    1
    Kto by pomyślał, że skalowalność i możliwość równoległego przetwarzania danych okaże się lepsza od surowej czystej mocy obliczeniowej superkomputerów.
    • avatar
      JebacSzatana
      -2
      Google nie chwce wsparcia meteorologów ale i zastąpienia przez sztuczna inteligencje taka prawda najprawdziwsza prawda z prawd???!!
      • avatar
        GejzerJara
        0
        @PerfectDAY: Nie oszukujmy się, czysta moc obliczeniowa superkomputerów polega właśnie na równolegleniu obliczeń, więc w swoim komentarzu trafiłeś kulą w płot.

        Chodzi o to, że tradycyjne modelowanie polega na tym, że to człowiek określa wzory i ich parametry które są liczone rekurencyjnie. jak coś się nie zgadza, są co chwila wprowadzane korekty, i tak w kółko.

        Uczenie maszynowe polega na tym, że stosuje się dużo prostsze wzory w taki sposób, aby algorytm sam je złożył do kupy, w celu zamodelowania środowiska. Prostsze wzory liczą się po prostu szybciej, a algorytm z automatu odrzuca wszystko to, co ma znikomy wpływ na wynik, a jednocześnie najbardziej przybliża do kolejnych zebranych pomiarów z natury. To się nazywa funkcja celu :) I to jest jaśnie wielce "oświecona" tzw. "inteligencja generatywna".

        @Miron, w artykułach albo się idzie na masę i robisz artykuły bez pojęcia, albo jednak trzeba doczytać, aby dać czytelnikom coś więcej niż korekta do tłumaczenia automatycznego.