Predicting weather impact using cloud-based machine learning
 |
|
0935-970-603 施正偉
|
ifanr
對人類來說，時間一直是最大的敵人，超越時間一直是人類的夢想，「預測未來」就是人類想要超越時間的一種方式。
天氣預報就是生活中最常見的一種「預測未來」，但就像剛才說的，預測天氣同樣也是非常困難的一件事。而現在來看， AI 或許是一件能夠大大增強天氣預報功能性的工具。
Google 最近在官方的博客中分享了一項新的研究，該研究聲稱 Google 實現了「近乎即時」的天氣預報。
不過這項工作還處於早期階段，目前也尚未整合到任何的商業系統中，但早期的研究結果，還是顯示出了很大的希望。在這篇並未經過行業專家評論過的論文中表示，Goolge 的研究人員描述了，他們是如何透過僅僅數分鐘的計算時間，以一公里的範圍提前 6 小時實現了準確的降雨預測。
數分鐘的計算時間相比目前是一個巨大的提升，按照現有的技術可能需要數個小時的計算，才能生成預測，儘管它們用了更長的時間，生成了更複雜的數據。
研究人員表示，快速的預測有著極大的現實意義，這將有效適應氣候變化，特別是極端天氣狀況下，快速預測會是一個非常重要的工具。短期預測對於某些危機規避，有著很高的重要性，合適運用能夠有效避免生命和財產損失。
Google 的預測最大優勢就是速度，然而這樣的速度是怎麼來的呢？研究人員將他們的預測方法，與目前兩種主流的預測方法進行了對比：光流法（透過觀察雲這樣的現象運動）以及模擬法（創建物理上的天氣系統模擬）。
這些傳統方法面臨的問題，在於計算量極為龐大，尤其是模擬法需要計算大量的物理效果。像美國聯邦機構為天氣預報所做的模擬，每天需要處理來自不同氣象站，多達 100TB 的數據量，並且需要花費數小時，在昂貴的超級電腦上進行模擬。按照一次計算 6 小時算，一天頂多也只能計算 3-4 次。
相比之下 Google 的方法只需要數分鐘，因為它們不是嘗試進行複雜的天氣建模，而是透過對簡單的雷達數據進行計算預測。研究人員使用了美國國家海洋和大氣管理局（NOAA），在 2017 -2019 年間，在美國附近收集的歷史雷達數據，來訓練他們的 AI 模型。
研究人員表示，他們的方法與使用相同數據的現有的三種方法一樣好甚至還要更好。但是該 AI 模型在預測 6 小時以上的遠期預測時，表現就不如人意了。目前來看這是機器學習在天氣預報中的最佳選擇：快速的進行短期預測，而較長時間的預測交給功能更強大的模型，像 NOAA 可以創建出 10 天的天氣預報。
雖說目前還沒有看到，AI 在天氣預報中的實際應用，但現在已經有很多公司在進行該領域的工作，包括 IBM 和 Monsanto 等一些我們所熟知的公司。
就像 Google 的研究人員所說，隨著人類和氣候之間的相互影響，這種預測技術在未來會變得越來越重要。
0 comments:
張貼留言