Google'ın yapay zeka geliştirme şirketi DeepMind'ın ürettiği yeni bir yapay zeka modeli, Eylül ayında etkili olan Lee Kasırgası'nın Kanada'da nereye varacağını geleneksel yöntemlerden üç gün daha erken tahmin etti. Science dergisinde yayınlanan hakemli bir makalede GraphCast yapay zeka modelinin hava tahmininde bir dönüm noktası olduğu belirtildi.
Geleneksel yöntemler ilk kez geride kaldı
Yapılan kapsamlı bir değerlendirme GraphCast'in, Avrupa Orta Menzilli Hava Tahminleri Merkezi (ECMWF) tarafından yürütülen ve üç ila 10 gün sonrasını tahmin eden dünyanın önde gelen geleneksel sisteminden daha isabetli olduğunu gösterdi. Aynı makalede yapay zekanın ilk kez geleneksel yöntemlerini ikna edici bir şekilde geride bıraktığına dikkat çekildi.
Presenting GraphCast: our state-of-the-art AI model delivering 10-day weather forecasts with unprecedented accuracy in under one minute. 🌦️
— Google DeepMind (@GoogleDeepMind) November 14, 2023
It can even help predict the potential paths of cyclones further into the future.
Here's how it works. 🧵 https://t.co/ygughpkdeP pic.twitter.com/0Y6DyBXDow
Financial Times'a konuşan ECMWF koordinatörü Matthew Chantry, "GraphCast'in diğer makine öğrenimi modelleri olan Huawei, Pangu-Weather, Nvidia ve FourCastNet'ten daha becerikli olduğunu ve birçok skorda kendi tahmin sistemimizden daha doğru olduğunu görüyoruz" dedi.
Aşırı sıcakları hatta taşkınları tahmin edebilir
Aşırı hava olayları hakkında uyarılar sunabilen GraphCast'in verilen bilgiye göre, gelecekte daha fazla siklon izlerini büyük bir doğrulukla tahmin edebileceği, taşkın riskiyle ilişkili atmosferik nehirleri tanımlayabileceği ve aşırı sıcaklıkların başlangıcını öngörebileceği tahmin ediliyor
Ürünlere nasıl entegre edileceği araştırılıyor
Yakında, GraphCast veya en azından tahminlerine güç veren yapay zeka algoritmasının temelinin ana akım hizmetlere de gelebileceği de tartışılıyor. Google ayrıca GraphCast'i ürünlerine nasıl entegre edeceğini de araştırmaya başladı.
Nasıl çalışıyor?
GraphCast, hava sistemlerinin dünya çapında nasıl geliştiği ve hareket ettiği hakkında 40 yıllık ECMWF verilerinin bulunduğu bir makine öğrenimi mimarisi kullanıyor. Tahminlerinin girdileri, ECMWF tarafından küresel hava durumu gözlemlerinden bir araya getirilen, mevcut zamanda ve altı saat öncesinde dünya çapında meydana gelen atmosfer durumlarından oluşuyor. GraphCast bu verilerle bir dakika içinde 10 günlük tahmin raporu üretebiliyor. ECMWF ve dünyanın ulusal meteoroloji ofisleri tarafından kullanılan ve sayısal hava tahmini olarak bilinen geleneksel yöntem, atmosferik fiziğin bilimsel bilgisine dayanan denklemleri çözmek için süper bilgisayarlar kullanıyor. Ancak bu süreç GraphCast gibi bir dakikada değil birkaç saatte gerçekleşiyor.
