ซื้อกลับบ้านที่สำคัญ
- ปัญญาประดิษฐ์กำลังรวบรวมข้อมูลจำนวนมหาศาลเพื่อสร้างการพยากรณ์อากาศที่แม่นยำยิ่งขึ้น
- บริการสภาพอากาศของสหราชอาณาจักรได้พัฒนาเครื่องมือ AI ที่สามารถทำนายแนวโน้มที่ฝนจะตกได้อย่างแม่นยำในอีก 90 นาทีข้างหน้า
- Spire Global คือบริษัทหนึ่งที่ใช้ AI เพื่อปรับปรุงการคาดการณ์อยู่แล้ว
การอัพเดทสภาพอากาศครั้งต่อไปของคุณอาจมาถึงคุณโดยได้รับความอนุเคราะห์จากปัญญาประดิษฐ์ (AI)
บริการสภาพอากาศแห่งชาติของสหราชอาณาจักรได้พัฒนาเครื่องมือ AI ที่อ้างว่าสามารถทำนายแนวโน้มที่ฝนจะตกได้อย่างแม่นยำในอีก 90 นาทีข้างหน้าการคาดการณ์สภาพอากาศที่แม่นยำเป็นปัญหาที่ท้าทายที่ขัดขืนความพยายามนับพันปี แต่นักวิจัยหวังว่า AI จะปฏิวัติการพยากรณ์อากาศได้
"อุตสาหกรรมใดก็ตามที่อ่อนไหวต่อสภาพอากาศกำลังมองหาวิธีใช้ AI เพื่อปรับปรุงความปลอดภัยและการปฏิบัติงาน" Renny Vandewege รองประธานฝ่ายปฏิบัติการสภาพอากาศของบริษัทวิเคราะห์ข้อมูล DTN กล่าวกับ Lifewire ในการสัมภาษณ์ทางอีเมล "ตัวอย่างเช่น ระบบสาธารณูปโภคกำลังใช้ AI เพื่อระบุและคาดการณ์ความยืดหยุ่นของกริดและการหยุดทำงานที่อาจเกิดขึ้น"
ฝนกำลังตก
ลอนดอนขึ้นชื่อเรื่องท้องฟ้ามืดครึ้ม แต่อย่างน้อยคุณอาจได้รับคำเตือนที่ดีกว่าเมื่อละอองฝนเริ่มโปรยปราย DeepMind บริษัท AI ที่ทำงานร่วมกับบริการสภาพอากาศแห่งชาติของสหราชอาณาจักรได้พัฒนาเครื่องมือการเรียนรู้เชิงลึกที่เรียกว่า DGMR สำหรับการพยากรณ์
ผู้เชี่ยวชาญตัดสินว่าการคาดการณ์ของ DGMR ดีที่สุดจากปัจจัยต่างๆ ซึ่งรวมถึงการคาดการณ์ตำแหน่ง ขอบเขต การเคลื่อนไหว และความรุนแรงของฝน -89% ของเวลา ตามรายงานที่ตีพิมพ์เมื่อเร็วๆ นี้ใน วารสาร ธรรมชาติ.บริษัทเรียกเทคนิคนี้ว่า "Nowcasting" เพราะทันเวลามาก
"เราใช้วิธีการที่เรียกว่าการสร้างแบบจำลองเพื่อสร้างการคาดการณ์โดยละเอียดและเป็นไปได้ของเรดาร์ในอนาคตโดยอิงจากเรดาร์ในอดีต" DeepMind เขียนบนเว็บไซต์ "ตามแนวคิด นี่คือปัญหาในการสร้างภาพยนตร์เรดาร์ ด้วยวิธีการดังกล่าว เราทั้งคู่สามารถจับภาพเหตุการณ์ขนาดใหญ่ได้อย่างแม่นยำ ในขณะเดียวกันก็สร้างสถานการณ์ฝนทางเลือกอีกมากมาย (เรียกว่าการคาดคะเนทั้งมวล) ทำให้สามารถสำรวจความไม่แน่นอนของปริมาณน้ำฝนได้"
Appu Shaji นักวิทยาศาสตร์ AI ที่ไม่เกี่ยวข้องกับการศึกษา DeepMind เรียกงานของบริษัทว่า "น่าประทับใจ" ในการสัมภาษณ์ทางอีเมลกับ Lifewire
"อย่างที่กล่าวไปแล้ว ผลงานเหล่านี้ยังอยู่ในช่วงเริ่มต้น และเราควรคาดหวังว่าจะได้เห็นความก้าวหน้าอย่างมากในด้านความแม่นยำและความเป็นไปได้ในการคาดการณ์ในอีกไม่กี่ปีข้างหน้า" เขากล่าวเสริม
ทำนายความโกลาหล
สภาพอากาศเป็นกระบวนการที่วุ่นวายซึ่งยากต่อการคาดเดาด้วยความแม่นยำ
"โมเดลสภาพอากาศและเทคโนโลยีขั้นสูง เช่น AI ปรับปรุงการพยากรณ์เพื่อช่วยให้เราวางแผน เตรียมพร้อม และลดผลกระทบของเหตุการณ์สภาพอากาศได้ดีขึ้น" Vandewege กล่าว
โมเดลสภาพอากาศและเทคโนโลยีขั้นสูง เช่น AI ปรับปรุงการพยากรณ์เพื่อช่วยให้เราวางแผน เตรียมพร้อม และลดผลกระทบของเหตุการณ์สภาพอากาศได้ดีขึ้น
"เนื่องจากสภาพอากาศมีความถี่และรุนแรงมากขึ้น การคาดการณ์ที่แม่นยำด้วยระยะเวลารอคอยสินค้าที่นานขึ้น ทำให้ธุรกิจ ชุมชน และสาธารณชนมีเวลาและข้อมูลมากขึ้นในการตัดสินใจที่ดีขึ้น"
ปัจจุบันการจำลองสภาพอากาศกำลังทำงานโดยใช้แบบจำลองคอมพิวเตอร์ Vikram Saletore ผู้เชี่ยวชาญด้าน AI ของ Intel บอกกับ Lifewire ในการสัมภาษณ์ทางอีเมล แต่เขากล่าวว่า โมเดลสภาพอากาศจำเป็นต้องเรียกใช้บ่อยๆ เนื่องจากสภาพแวดล้อมเปลี่ยนแปลงไปเพื่อการพยากรณ์ที่แม่นยำ
"AI ปรับปรุงการพยากรณ์อากาศได้อย่างมากโดยเปิดใช้งานและเร่งให้สภาพแวดล้อมการจำลองเหล่านี้ใช้แบบจำลองทางประวัติศาสตร์จำนวนมหาศาลกับสภาพแวดล้อมปัจจุบันเป็นอินพุตและเรียกใช้การคาดการณ์เกี่ยวกับผลลัพธ์ที่อาจเกิดขึ้น" Saletore กล่าวเสริม
Spire Global คือบริษัทหนึ่งที่ใช้โปรแกรม AI เพื่อปรับปรุงการคาดการณ์อยู่แล้ว โปรแกรม PredictWind ให้การคาดการณ์ลมแก่ผู้ใช้กีฬาทางทะเลและสันทนาการโดยการประมวลผลข้อมูลดาวเทียมด้วยอัลกอริธึมของคอมพิวเตอร์
"การเปลี่ยนแปลงของสภาพอากาศกำลังเพิ่มโอกาสที่สภาพอากาศเลวร้ายและการดำเนินงานทั่วโลกที่เปิดกว้างให้กับธุรกิจที่ต้องเผชิญกับภัยคุกคามจากสภาพอากาศที่หยุดชะงักทุกที่ในโลก" Matthew Lennie ผู้เชี่ยวชาญด้าน AI Spire Global กล่าวกับ Lifewire ในการสัมภาษณ์ทางอีเมล
พลังคอมพิวเตอร์เป็นคอขวดสำหรับการพยากรณ์อากาศ ด้วยเหตุนี้ ซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดบางตัวจึงถูกสร้างขึ้นมาเพื่อคาดการณ์ตัวเลขโดยเฉพาะ
"AI มีโอกาสที่น่าทึ่งในการลดการพึ่งพาเอ็นจิ้นที่ทรงพลัง และอาจเรียกใช้โมเดลเหล่านี้เพื่อให้ได้ผลลัพธ์ที่ดีเท่าหรือดีกว่าด้วยภาระการคำนวณที่น้อยลงอย่างมาก" ชาจิกล่าว "การเรียนรู้เชิงลึกไม่ได้พยายามแก้สูตรเหล่านี้โดยตรง แต่คาดการณ์ตามรูปแบบที่สังเกตได้"
วิธี AI นั้นคล้ายกับวิธีที่นักลงทุนในตลาดหุ้นดูรูปแบบในระยะยาว Shaji ชี้ให้เห็น "การเรียนรู้เชิงลึกมีความแม่นยำมากกว่า" เขากล่าวเสริม "ความแม่นยำในการคาดการณ์และความสามารถของโมเดลจะดีขึ้นในอนาคตเท่านั้น"
