Googleovi znanstvenici predstavili su AI nazvan NeuralGCM, dizajniran za predviđanje vremenskih i klimatskih obrazaca jednako učinkovito kao trenutni fizički modeli, ali s manje računalne snage.
Tradicionalne prognoze koriste složene matematičke modele koji zahtijevaju superračunala još od 1950-ih, postaju sve detaljniji i zahtijevaju sve veću snagu računala, javlja Zimo.
U tijeku su napori da se ti izračuni zamijene umjetnom inteligencijom, uključujući alat DeepMind za kratkoročne prognoze kiše. Međutim, takvi modeli umjetne inteligencije često su svojevrsne "crne kutije", što njihov unutarnji rad čini misterijom.
Znanstvenici koji se bave klimom primjećuju da se modeli uvježbani na povijesnim podacima bore s pojavama bez presedana uzrokovanim klimatskim promjenama.
Dmitrij Kočkov i njegov tim u Google Researchu razvili su NeuralGCM, za koji tvrde da uravnotežuje preciznost fizičkih modela i učinkovitost umjetne inteligencije. Tradicionalni klimatski modeli simuliraju Zemljinu površinu u mrežama širine do 100 kilometara, približavajući fenomene malih razmjera poput oblaka i turbulencije.
NeuralGCM preuzima te male aproksimacije, povećavajući točnost i smanjujući zahtjeve za računanjem. Njihovo istraživanje objavljeno je u časopisu Nature.
Prema Googleovim znanstvenicima, NeuralGCM može simulirati 70.000 dana u 24 sata koristeći jednu jedinicu za obradu tenzora (TPU), dok X-SHiELD, konkurentski model, zahtijeva superračunalo s tisućama jedinica za simulaciju 19 dana. Iz Googlea tvrde da se predviđanja NeuralGCM-a podudaraju ili premašuju točnost vodećih modela.
Tim Palmer sa Sveučilišta u Oxfordu smatra istraživanje obećavajućim, sugerirajući da dobro spaja fiziku i umjetnu inteligenciju.
Neugodna mi je ideja da u potpunosti napuštamo jednadžbe gibanja i samo prelazimo na neki AI sustav, za koji će čak i stručnjaci reći da ga zapravo ne razumiju u potpunosti, kaže.
Palmer isto tako priznaje potencijal za taj hibridni pristup da potakne daljnja istraživanja i rasprave unutar modelske zajednice.
To je dobar korak u pravom smjeru i to je vrsta istraživanja koju bismo trebali provoditi. Sjajno je vidjeti sve te alternativne metode na stolu, ističe na kraju.
Tradicionalne prognoze koriste složene matematičke modele koji zahtijevaju superračunala još od 1950-ih, postaju sve detaljniji i zahtijevaju sve veću snagu računala, javlja Zimo.
U tijeku su napori da se ti izračuni zamijene umjetnom inteligencijom, uključujući alat DeepMind za kratkoročne prognoze kiše. Međutim, takvi modeli umjetne inteligencije često su svojevrsne "crne kutije", što njihov unutarnji rad čini misterijom.
Znanstvenici koji se bave klimom primjećuju da se modeli uvježbani na povijesnim podacima bore s pojavama bez presedana uzrokovanim klimatskim promjenama.
Dmitrij Kočkov i njegov tim u Google Researchu razvili su NeuralGCM, za koji tvrde da uravnotežuje preciznost fizičkih modela i učinkovitost umjetne inteligencije. Tradicionalni klimatski modeli simuliraju Zemljinu površinu u mrežama širine do 100 kilometara, približavajući fenomene malih razmjera poput oblaka i turbulencije.
NeuralGCM preuzima te male aproksimacije, povećavajući točnost i smanjujući zahtjeve za računanjem. Njihovo istraživanje objavljeno je u časopisu Nature.
Prema Googleovim znanstvenicima, NeuralGCM može simulirati 70.000 dana u 24 sata koristeći jednu jedinicu za obradu tenzora (TPU), dok X-SHiELD, konkurentski model, zahtijeva superračunalo s tisućama jedinica za simulaciju 19 dana. Iz Googlea tvrde da se predviđanja NeuralGCM-a podudaraju ili premašuju točnost vodećih modela.
Tim Palmer sa Sveučilišta u Oxfordu smatra istraživanje obećavajućim, sugerirajući da dobro spaja fiziku i umjetnu inteligenciju.
Neugodna mi je ideja da u potpunosti napuštamo jednadžbe gibanja i samo prelazimo na neki AI sustav, za koji će čak i stručnjaci reći da ga zapravo ne razumiju u potpunosti, kaže.
Palmer isto tako priznaje potencijal za taj hibridni pristup da potakne daljnja istraživanja i rasprave unutar modelske zajednice.
To je dobar korak u pravom smjeru i to je vrsta istraživanja koju bismo trebali provoditi. Sjajno je vidjeti sve te alternativne metode na stolu, ističe na kraju.
