به گزارش کارگروه فناوری اطلاعات سایبربان , به نقل از نیواطلس، دفعه بعد که به سراغ پیش‌بینی آب و هوا می‌روید، به یاد داشته باشید که پیش‌بینی آب و هوا یکی از پیچیده‌ترین چالش‌های دنیای علم است.
اکنون گوگل، هوش مصنوعی را به عنوان یک هواشناس طراحی کرده و نشان داده است که تنها در یک دقیقه می‌تواند پیش‌بینی‌های دقیقی را تا ۱۰ روز آینده انجام دهد. این کاری است که معمولاً برای یک اتاق پر از ابررایانه‌ها چندین ساعت زمان می‌برد.
اثر معروف پروانه‌ای چنین فرض می‌کند که آیا یک طوفان می‌تواند تحت تأثیر چیزی به کوچکی پروانه‌ای باشد که در قسمت دیگری از جهان بال می‌زند یا نه.
وظیفه پیش‌بینی آب و هوا این است که همه این اثر‌ها را در مدل‌های دقیقی بگنجاند تا به شما بگوید آیا باید شنبه آینده برای پیک نیک برنامه‌ریزی کنید یا خیر.
انجام این کار شامل چیزی است که پیش‌بینی عددی آب و هوا (NWP) نامیده می‌شود که از مشاهدات آب و هوای فعلی در سراسر جهان به عنوان داده ورودی استفاده می‌کند و آن را از طریق معادلات پیچیده فیزیک روی ابررایانه‌ها پردازش می‌کند.
اما اکنون گوگل از یک سیستم هوش مصنوعی به نام گراف‌کست (GraphCast) پرده‌برداری کرده است که می‌تواند اعداد را با سخت‌افزاری کمتر قدرتمندتر، بسیار سریع‌تر پردازش کند.
این هوش مصنوعی بر اساس داده‌های تجزیه و تحلیل مجدد آب و هوای ۴۰ ساله که توسط تصاویر ماهواره‌ای، رادار و ایستگاه‌های هواشناسی جمع‌آوری شده بود، آموزش داده شده است.
گراف‌کست وضعیت آب و هوا را از شش ساعت قبل تا وضعیت فعلی بررسی می‌کند، سپس از گنجینه داده‌های خود برای پیش‌بینی وضعیت آب و هوا در شش ساعت آینده استفاده می‌کند. با همین روش می‌تواند تا ۱۰ روز روز آینده را پیش‌بینی کند.
گراف‌کست این کار را در بیش از یک میلیون نقطه در اطراف سطح زمین انجام می‌دهد که هر کدام ۰.۲۵ درجه طول و عرض جغرافیایی دارند و در هر یک از این نقاط، پنج متغیر دما، فشار، رطوبت، سرعت و جهت باد در سطح و شش متغیر در جو را در ۳۷ ارتفاع مختلف در نظر می‌گیرد.
این مدل هوش مصنوعی در آزمایش‌های خود که روی یک دستگاه Google TPU v ۴ اجرا می‌شود، با استاندارد طلایی فعلی که یک سیستم شبیه‌سازی به نام پیش‌بینی وضوح بالا (HRES) است که روی ابررایانه‌ها اجرا می‌شود، برای پیش‌بینی آب و هوا مقایسه شد.
نتیجه اینکه گراف‌کست قادر بود پیش‌بینی‌های ۱۰ روزه را در کمتر از یک دقیقه انجام دهد و در ۹۰ درصد متغیر‌های آزمایشی و زمان‌های پیش‌بینی دقیق‌تر از HRES بود.
زمانی که مدل‌ها بر روی تروپوسفر -پایین‌ترین لایه جو- متمرکز شدند، یعنی همان جایی که پیش‌بینی‌های دقیق در زندگی روزمره بسیار مفید و قابل استفاده هستند، گراف‌کست در ۹۹.۷ درصد مواقع از HRES بهتر بود.
حتی چشمگیرتر اینکه گراف‌کست توانایی شناسایی رویداد‌های آب و هوایی شدید را زودتر از HRES از خود نشان داد، با وجود اینکه به طور مشخص برای انجام این کار آموزش ندیده بود.
به عنوان مثال، این هوش مصنوعی به طور دقیق و درست پیش‌بینی کرد که یک طوفان ۹ روز دیگر به خشکی می‌رسد، در حالی که پیش‌بینی‌های سنتی گفته بودند این طوفان شش روز تا خشکی راه دارد.
گوگل می‌گوید کد گراف‌کست منبع باز است و به دانشمندان در سراسر جهان این امکان را می‌دهد تا با آن آزمایش کنند و آن را در پیش‌بینی‌های آب و هوای روزمره بگنجانند.
این پژوهش در مجله «ساینس» (Science) منتشر شده است.
