uzman
Active member
- Katılım
- 25 Eyl 2020
- Mesajlar
- 52,597
- Puanları
- 36
Google, Çarşamba günü yapay zeka (AI) hava tahmin modeli GenCast'ı tanıttı. Yapay zeka modeli, Mountain View merkezli teknoloji devinin yapay zeka araştırma bölümü Google DeepMind tarafından geliştirildi. Şirketin araştırmacıları ayrıca teknoloji hakkında orta vadeli hava tahminleri üretme yeteneklerini vurgulayan bir makale yayınladılar. Şirket, sistemin çözünürlük ve doğruluk açısından mevcut, son teknoloji tahmin modellerinden daha iyi performans gösterdiğini söylüyor. Özellikle GenCast önümüzdeki 15 gün için 0,25 santigrat derece çözünürlükte hava durumu tahminleri üretebiliyor.
Google GenCast özellikleri
Google DeepMind, bir blog yazısında yeni yüksek çözünürlüklü yapay zeka topluluğu modelini ayrıntılı olarak anlattı. Şirket, GenCast'ın Avrupa Orta Vadeli Hava Tahminleri Merkezi (ECMWF) Ensemble (ENS) sisteminden daha iyi performans gösterebileceğini öne sürerek, günlük hava durumu ve ekstrem olaylara ilişkin tahminler yapabildiğini vurguladı. Modelin performansı artık Nature dergisinde yayınlanıyor.
Özellikle GenCast, hava durumunu tahmin etmek için geleneksel deterministik yaklaşım yerine olasılıksal yaklaşımı kullanıyor. Deterministik yaklaşıma dayalı hava tahmini modelleri, belirli bir başlangıç koşulları kümesi için tek ve spesifik bir tahmin üretir ve atmosferik fizik ve kimyanın kesin denklemlerine dayanır.
Öte yandan olasılıksal yaklaşıma dayalı modeller, bir dizi başlangıç koşulunu ve model parametrelerini simüle ederek birden fazla olası sonuç üretir. Buna topluluk tahmini de denir.
Google DeepMind, GenCast'in Dünya'nın küresel geometrisine uyum sağlayan ve gelecekteki hava senaryolarının karmaşık olasılık dağılımını üreten bir yayılma modeli olduğunu vurguladı. Yapay zeka modelini eğitmek için araştırmacılar, ECMWF'nin ERA5 arşivinden kırk yıllık geçmiş hava durumu verilerini sağladı. Bu, modele 0,25 santigrat derece çözünürlükle küresel hava durumu modellerini öğretti.
Yayınlanan araştırmada Google, GenCast'in performansını 2018'e kadar olan geçmiş veriler üzerinde eğiterek ve ardından 2019 için tahminlerde bulunmasını isteyerek değerlendirdi. Toplamda, farklı teslim sürelerinde farklı değişkenlerin 1320 kombinasyonu kullanıldı ve araştırmacılar, GenCast'ın bu hedeflerin yüzde 97,2'sinde ve 36 saatten uzun teslim sürelerinde yüzde 99,8'de ENS'den daha doğru olduğunu buldu.
Özellikle Google DeepMind, hava tahmini topluluğunu desteklemek amacıyla GenCast AI modelinin kodunu, ağırlıklarını ve tahminlerini yayınlayacağını duyurdu.
Google GenCast özellikleri
Google DeepMind, bir blog yazısında yeni yüksek çözünürlüklü yapay zeka topluluğu modelini ayrıntılı olarak anlattı. Şirket, GenCast'ın Avrupa Orta Vadeli Hava Tahminleri Merkezi (ECMWF) Ensemble (ENS) sisteminden daha iyi performans gösterebileceğini öne sürerek, günlük hava durumu ve ekstrem olaylara ilişkin tahminler yapabildiğini vurguladı. Modelin performansı artık Nature dergisinde yayınlanıyor.
Özellikle GenCast, hava durumunu tahmin etmek için geleneksel deterministik yaklaşım yerine olasılıksal yaklaşımı kullanıyor. Deterministik yaklaşıma dayalı hava tahmini modelleri, belirli bir başlangıç koşulları kümesi için tek ve spesifik bir tahmin üretir ve atmosferik fizik ve kimyanın kesin denklemlerine dayanır.
Öte yandan olasılıksal yaklaşıma dayalı modeller, bir dizi başlangıç koşulunu ve model parametrelerini simüle ederek birden fazla olası sonuç üretir. Buna topluluk tahmini de denir.
Google DeepMind, GenCast'in Dünya'nın küresel geometrisine uyum sağlayan ve gelecekteki hava senaryolarının karmaşık olasılık dağılımını üreten bir yayılma modeli olduğunu vurguladı. Yapay zeka modelini eğitmek için araştırmacılar, ECMWF'nin ERA5 arşivinden kırk yıllık geçmiş hava durumu verilerini sağladı. Bu, modele 0,25 santigrat derece çözünürlükle küresel hava durumu modellerini öğretti.
Yayınlanan araştırmada Google, GenCast'in performansını 2018'e kadar olan geçmiş veriler üzerinde eğiterek ve ardından 2019 için tahminlerde bulunmasını isteyerek değerlendirdi. Toplamda, farklı teslim sürelerinde farklı değişkenlerin 1320 kombinasyonu kullanıldı ve araştırmacılar, GenCast'ın bu hedeflerin yüzde 97,2'sinde ve 36 saatten uzun teslim sürelerinde yüzde 99,8'de ENS'den daha doğru olduğunu buldu.
Özellikle Google DeepMind, hava tahmini topluluğunu desteklemek amacıyla GenCast AI modelinin kodunu, ağırlıklarını ve tahminlerini yayınlayacağını duyurdu.