Microsoft prezentē mašīnmācīšanās rīku, lai uzlabotu vidēja termiņa laika prognožu precizitāti

Attēls: Illustrative image · Logos of the Nokia Corporation and that of Windows Phone 8 by the Microsoft Corporation. · Public domain · Avots

Microsoft izstrādājis mašīnmācīšanās metodi, kas uzlabo laika prognozes divas līdz sešas nedēļas iepriekš, koriģējot esošo modeļu novirzes, lai palīdzētu plānošanā lauksaimniecībā un ārkārtas situāciju gadījumos.

Microsoft pētnieki ir ieviesuši jaunu mašīnmācīšanās tehniku, kas paredzēta, lai uzlabotu vidēja termiņa laika prognožu precizitāti, risinot ilgstošu ierobežojumu tradicionālajās un mākslīgā intelekta balstītajās prognozēšanas metodēs. Šis ekonomiski efektīvais rīks, kas nosaukts par varbūtības noviržu koriģēšanu (Probabilistic Bias Correction, PBC), ir publicēts žurnālā Nature un izstrādāts, lai uzlabotu laika prognozes no divām līdz sešām nedēļām iepriekš — periodā, kur parasti samazinās prognožu uzticamība.

Atšķirībā no tradicionālajiem fizikas balstītajiem modeļiem, kas simulē Zemes atmosfēras fizikālās parādības, vai mākslīgā intelekta modeļiem, kas prognozē, pamatojoties uz vēsturiskajiem laika datu modeļiem, abi sastopas ar grūtībām aptuvenās datu aizpildīšanas dēļ. Šie aptuvenie risinājumi var ievadīt sistemātiskas novirzes, kuras ilgstošas prognožu laikā uzkrājas un samazina precizitāti. Piemēram, klimata pārmaiņas, piemēram, globālā sasilšana, var novest pie tā, ka modeļi, kas balstās uz vēsturiskajiem datiem, nenovērtē pašreizējās temperatūras.

Microsoft PBC izmanto mašīnmācību, lai identificētu un koriģētu šīs sistemātiskās novirzes esošajos prognozēšanas modeļos. To ir testējuši uz Eiropas vidēja termiņa laika prognožu centra (ECMWF) vadošā fizikas balstītā modeļa, uzlabojot nokrišņu prognožu precizitāti 98% gadījumu un temperatūras prognožu precizitāti 92% gadījumu. Papildus PBC dubultojis arī ECMWF jaunā mākslīgā intelekta prognožu sistēmas precizitāti pētījuma analīzēs. Šo pētījumu ECMWF atzinīgi novērtēja savā AI Weather Quest konkursā.

Svarīgi ir, ka PBC ir aprēķināšanas ziņā efektīvs, spēj darboties uz centrālajiem procesoriem bez nepieciešamības izmantot resursu patērējošus superdatorus vai grafiskās kartes, tādējādi padarot to pieejamu meteoroloģijas iestādēm ar ierobežotiem resursiem — īpaši ekonomiski attīstības valstīs. Pētnieki uzsver, ka tā vieglais arhitektūras risinājums ļauj zinātniekiem visā pasaulē pielāgot šo rīku vietēja laika prognožu uzlabošanai.

Genevieve Flaspohler, pētījuma autore un Rhiza Research izpilddirektore, sadarbojas ar Kenijas Meteoroloģijas dienestu, ko atbalsta Gates fondu finansējums, lai ieviestu AI balstītas agrīnas brīdināšanas sistēmas gaidāmajā spēcīgākajā lietus sezonā, kas saistīta ar El Niño. PBC metode ir daļa no šīs iniciatīvas, lai nodrošinātu precīzākas un laikā sniegtas prognozes, kas var būt noderīgas zemniekiem un ārkārtas dienestiem.

Lai gan šī metode ir daudzsološa, eksperti brīdina, ka jaunu AI prognožu tehnoloģiju operacionāla ieviešana joprojām ir sarežģīta, tomēr Microsoft pieeja ir nozīmīgs solis pretim uzticamākām vidēja termiņa laika prognozēm un plašākai piekļuvei progresīvām prognozēšanas tehnoloģijām.