© Απαγορεύεται από το δίκαιο της Πνευμ. Ιδιοκτησίας η καθ΄οιονδήποτε τρόπο παράνομη χρήση/ιδιοποίηση του παρόντος, με βαρύτατες αστικές και ποινικές κυρώσεις για τον παραβάτη
Ερευνητική ομάδα ανέπτυξε ένα νέο μοντέλο μετεωρολογικών προβλέψεων που λειτουργεί με τεχνητή νοημοσύνη και σύμφωνα με τους δημιουργούς του είναι δεκάδες φορές καλύτερο από τα υπάρχοντα συστήματα πρόγνωσης του καιρού.
Το νέο μοντέλο, που ονομάζεται Aardvark Weather, αντικαθιστά τους υπερυπολογιστές που αναλύουν μετεωρολογικά δεδομένα και τους μετεωρολόγους με ένα ενιαίο μοντέλο τεχνητής νοημοσύνης που μπορεί να μάλιστα να λειτουργήσει σε έναν τυπικό επιτραπέζιο υπολογιστή. Αυτό μετατρέπει μια διαδικασία πολλαπλών σταδίων που διαρκεί ώρες για να δημιουργήσει μια πρόβλεψη σε ένα μοντέλο πρόβλεψης που διαρκεί μόλις δευτερόλεπτα.
Η ερευνητική ομάδα αποτελείται από ερευνητές του Πανεπιστημίου Κέιμπριτζ στη Βρετανία ανάμεσα στους οποίους και ο Στρατής Μάρκου διδακτορικός φοιτητής στο τμήμα μηχανικών του πανεπιστημίου που μαζί με δύο ακόμη μέλη της ομάδας, την Άννα Άλεν και τον Ρίτσαρντ Τέρνερ, μίλησαν στο Naftemporiki.gr για το μοντέλο που ανέπτυξαν.
Τι σας οδήγησε στην απόφαση να αναπτύξετε ένα μετεωρολογικό μοντέλο;
Η απόφασή μας να αναπτύξουμε το Aardvark βασίστηκε στην παρατήρηση ότι, στα προηγουμένως ανεπτυγμένα μοντέλα πρόγνωσης καιρού με τεχνητή νοημοσύνη (AI), υπάρχουν σημαντικά κενά στη συνολική διαδικασία πρόγνωσης. Τα προηγουμένως ανεπτυγμένα μοντέλα βασίζονται σε αριθμητικές μεθόδους για να παράγουν τις προγνώσεις τους, κάτι που καθιστά ολόκληρη τη διαδικασία χρονοβόρα και απαιτητική σε πόρους. Η ανάπτυξη ενός μετεωρολογικού μοντέλου που μπορεί να λειτουργεί ανεξάρτητα από τις συμβατικές αριθμητικές προσομοιώσεις καθιστά ολόκληρη τη διαδικασία σημαντικά ταχύτερη και ανοίγει τον δρόμο για περαιτέρω βελτιώσεις στη μοντελοποίηση. Σε πιο προσωπικό επίπεδο, οι περισσότεροι συν-συγγραφείς που συνεργάστηκαν στην ανάπτυξη του Aardvark Weather έχουν έντονο ενδιαφέρον και ενασχόληση με τη διασταύρωση της τεχνητής νοημοσύνης και της πρόγνωσης του καιρού: οι περισσότεροι από εμάς είμαστε είτε επαγγελματίες πλήρους απασχόλησης είτε φοιτητές που εργάζονται στην περιβαλλοντική επιστήμη και τη μηχανική μάθηση.
Το μοντέλο που αναπτύξατε φέρνει επανάσταση αφού όχι μόνο κάνει ταχύτατα προγνώσεις αλλά επιπλέον κάνει μεγαλύτερης διάρκειας προγνώσεις από τα σημερινά μοντέλα ενώ επίσης αρκεί ένας απλός οικιακός υπολογιστής. Πώς φτάσατε σε αυτό το επίτευγμα και πόσο χρόνο δουλεύατε σε αυτό το πρότζεκτ;
Θα πρέπει να διευκρινίσουμε ότι το Aardvark Weather δεν κάνει προγνώσεις μεγαλύτερης διάρκειας από τα τρέχοντα κορυφαία μοντέλα AI. Αντιθέτως, η κύρια καινοτομία του Aardvark έναντι των υπαρχόντων μοντέλων AI είναι ότι κάνει τις προβλέψεις του εξ ολοκλήρου βασιζόμενο σε ακατέργαστες παρατηρήσεις (από μετεωρολογικούς σταθμούς, πλοία, αερόστατα και δορυφόρους). Τα τρέχοντα μοντέλα AI βασίζονται σε ένα βήμα προ-επεξεργασίας το οποίο λαμβάνει αυτές τις ακατέργαστες παρατηρήσεις και κάνει μια πρώτη εκτίμηση για το πώς φαίνεται ο καιρός στο παρόν, και στη συνέχεια εφαρμόζουν ένα μοντέλο μηχανικής μάθησης σε αυτή την πρώτη εκτίμηση για να προβλέψουν τον μελλοντικό καιρό. Δυστυχώς, αυτή η πρώτη εκτίμηση είναι πολύ δαπανηρή στην εκτέλεσή της και συνήθως εκτελείται σε μεγάλους υπερυπολογιστές. Μία από τις κύριες καινοτομίες του Aardvark είναι να δείξει ότι αυτό το βήμα μπορεί να διεκπεραιωθεί από ένα ελαφρύ μοντέλο μηχανικής μάθησης, παρακάμπτοντας την ανάγκη για αριθμητικές προσομοιώσεις σε υπερυπολογιστές κατά τον χρόνο εφαρμογής. Η επίτευξη αυτού του στόχου περιελάμβανε μια σημαντική περίοδο ανάπτυξης και επανάληψης του μοντέλου, την οποία η Anna Allen και ο Rich Turner ξεκίνησαν περίπου πριν από δύο χρόνια. Ο Στρατής Μάρκου εντάχθηκε στο έργο περίπου πριν από ένα χρόνο και άλλα μέλη της ομάδας εντάχθηκαν σε διάφορα σημεία κατά την ανάπτυξη του έργου.

Ποιες είναι οι πιο σημαντικές εφαρμογές και χρήσεις του Aardvark Weather;
Το ίδιο το μοντέλο είναι κυρίως ένα επιστημονικό πρωτότυπο, μια απόδειξη της βασιμότητας της ιδέας (proof-of-concept) για πιο προηγμένα και μεγαλύτερα μοντέλα που θα αναπτυχθούν τα επόμενα χρόνια. Μοντέλα όπως το Aardvark Weather έχουν πολλές εφαρμογές που μπορούν κυρίως να χωριστούν σε δύο κατηγορίες: (1) έκδοση παγκόσμιων προγνώσεων καιρού, όπως αυτές των HRES και GFS, (2) έκδοση τοπικών προγνώσεων, όπως προγνώσεις σε συγκεκριμένους σταθμούς (σε αυθαίρετες τοποθεσίες που δεν εμπίπτουν στα πλέγματα HRES ή GFS) και (3) πρόβλεψη φαινομένων που προκαλούνται από τον καιρό ή σχετίζονται με τον καιρό, όπως καταιγίδες, θαλάσσια κύματα, κίνδυνος πυρκαγιάς και εξάπλωσή της, ή πλημμύρες. Υπάρχουν επίσης πολλές αναβαθμίσεις που μπορούν να γίνουν σε συστήματα όπως το Aardvark, πολλές από τις οποίες συζητάμε στην εργασία μας, συμπεριλαμβανομένων: της προσθήκης περαιτέρω πηγών παρατήρησης στο σύστημα, και της αύξησης του μεγέθους και της οριζόντιας ανάλυσης του μοντέλου μας.
Έχει το μοντέλο σας και άλλα περιθώρια αναβάθμισης ή βελτίωσης ώστε να εξάγει ακόμη πιο γρήγορα ακόμη μεγαλύτερης ακρίβειας και ακόμη μεγαλύτερης διάρκειας προγνώσεις σε συμβατικά υπολογιστικά συστήματα;
Ναι και όχι. Είναι αλήθεια ότι οι δυνατότητες και η προγνωστική ακρίβεια των συστημάτων τεχνητής νοημοσύνης βελτιώνονται με επιταχυνόμενο ρυθμό. Η πρόγνωση του καιρού δεν αποτελεί εξαίρεση σε αυτή την τάση. Για παράδειγμα, τα τελευταία χρόνια, τα μοντέλα που έχουν αναπτυχθεί από ιδιωτικές εταιρείες όπως η Huawei, η Google και η Microsoft έχουν επιτύχει βελτιώσεις στην ακρίβεια που ισοδυναμούν με δεκαετίες βελτίωσης των συμβατικών συστημάτων πρόγνωσης, μέσα σε χρονικά διαστήματα έτους και υπο-έτους. Στο όχι και τόσο μακρινό μέλλον, αναμένουμε να αναπτυχθούν ακόμη πιο βελτιωμένα μοντέλα πρόγνωσης με βελτιωμένες δυνατότητες. Ωστόσο, αυτές οι βελτιώσεις δεν συμβαίνουν εν κενώ, ούτε οφείλονται σε κάποια θαυματουργή ιδιότητα των συστημάτων μηχανικής μάθησης. Στην περίπτωσή μας, καθώς και στην περίπτωση όλων των προαναφερθέντων συστημάτων, βασιζόμαστε σε σύνολα δεδομένων που έχουν συλλεχθεί με κόπο και σε εξαιρετικά μοντέλα που έχουν παραχθεί από μετεωρολογικές υπηρεσίες, όπως το Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Μετεωρολογικών Προγνώσεων (European Centre for Medium Range Weather Forecasting, ECMWF). Η τεχνητή νοημοσύνη αποδεικνύεται ακριβώς το κατάλληλο εργαλείο για την αξιοποίηση μεγάλων ποσοτήτων δεδομένων γρήγορα και αποτελεσματικά, αλλά κανένα από τα τρέχοντα επιτεύγματα στην πρόγνωση καιρού βάσει AI δεν θα ήταν δυνατά χωρίς την πολυετή δουλειά της ευρύτερης μετεωρολογικής κοινότητας.
Είναι η εξέλιξη της τεχνολογίας τεχνητής νοημοσύνης τόσο αλματώδης όσο φαίνεται τα τελευταία τρία χρόνια δίνοντας στους ερευνητές τα εργαλεία για να παράγουν καθημερινά μικρότερες και μεγαλύτερες επαναστάσεις;
Τα επόμενα χρόνια, αναμένουμε ότι θα αναπτυχθούν μεγαλύτερα και ακριβέστερα συστήματα πρόγνωσης, επιτυγχάνοντας χαμηλότερα σφάλματα πρόβλεψης για μεγαλύτερα χρονικά διαστήματα. Ωστόσο, μια άλλη, ίσως ακόμη πιο σημαντική, εξέλιξη που θα δούμε είναι η επιχειρησιακή αξιοποίηση αυτών των μοντέλων για την παραγωγή προγνώσεων για τους τελικούς χρήστες και το ευρύ κοινό. Αναμένουμε επίσης ότι αυτά τα μελλοντικά μοντέλα πιθανότατα θα είναι σε θέση να προβλέπουν φαινόμενα που προκαλούνται από τον καιρό ή σχετίζονται με αυτόν, όπως αυτά που προαναφέραμε, με μεγαλύτερη ακρίβεια. Η ανάπτυξη του Aardvark θα συνεχιστεί για την αναβάθμιση του μοντέλου σύμφωνα με τις κατευθύνσεις που περιγράψαμε παραπάνω, ως συνεργασία μεταξύ του Πανεπιστημίου του Cambridge και του Alan Turing Institute.
Naftemporiki.gr