AI не готовий взяти на себе прогноз погоди
Нещодавній доповідь Wired показує, що, хоча багато зусиль прогнозування погоди підтримуються складними комп'ютерними алгоритмами, люди все ще роблять хорошу кількість ноги. Наразі ми покладаємось на супутники Goes-16 та17 (ака найновіших геостаціонарних супутників), а також глобальна система прогнозування (GFS) та європейського центру середніх прогнозів погоди (ECMWF) для прогнозування погоди з більш точністю, ніж коли-небудь раніше. Але, незважаючи на кілька десятиліть комп'ютеризованого автоматичного розвитку прогнозу, прогнозування людини (або принаймні, покращені людськими), що допомагають ці технології, є більш доступними та точнішими, ніж їхні колеги AI.
Як у великій кількості інших вертикалів, повністю автоматизоване метеорологічне майбутнє стикається з багатьма перешкодами. Прогноз погоди, вироблений виключно AI, вимагатиме масової кількості обчислювальної потужності, наприклад, що поставляється компанією Exascale, категорія суперкомп'ютера, здатного обробляти 1018 розрахунків за секунду. Три комп'ютери Exascale зараз розробляються в США, з першим суперкомп'ютером Aurora у Національній лабораторії Argonne, щоб жити в цьому році, але метеорологія не є єдиним дослідницьким місцем, що відповідає потужності Аврори. Точне прогноз погоди також загрожує неминучим повним розгортанням 5G, в якому радіоприймач може негативно вплинути на здатність супутників дотримуватися рівнів водного пари. Прогноз погоди покладається частково на моніторингу сигналів 23,8 ГГц, що випускаються водяною парою.
Одним з рішенням цієї проблеми полягає в тому, щоб розгортати більше обладнання в нижчій продуктивності, але більш тривалий діапазон C-діапазону. Сигнали 24 ГГц, що використовуються для MMWave 5G, пропонують вищу продуктивність, але слабкіший діапазон, як це обговорювалося в цій історії PCMAG з 2019 року. 5G-сигнали в 3 ГГц - 7 ГГц діапазон не заважатиме майбутнього прогнозування погоди.
Тим часом, комп'ютерні прогнози не мають смаку, необхідного для ефективного підготовки до катастрофи. Хоча алгоритмічні моделі, як правило, більш точні та ефективні, ніж люди, що передбачають м'яку погоду, люди більш послідовно виробляють точні прогнози щодо поганої погоди (останній з яких, можливо, більш важливий для отримання права). Прогноз прогнозування двох десятиліть людських, ГФС та Північної Америки мезомасштабної прогнозної системи (NAM) показали, що люди побили дві найпопулярніші моделі світу у категорії "Погана погода" у будь-якому місці від 20 до 40 відсотків часу. В інших випадках люди змогли додати значення для автоматизованого керівництва, використовуючи прогнози алгоритму як основу для більш детального прогнозування.
Жоден з цього не означає, що автоматизовані прогнози не є цінними. Навпаки, сьогоднішні студенти метеорології навчаються боротися з самозаспокоєм, навчаючись захищати свої прогнози за допомогою реального часу та історичних даних. "Там є стара приказка, що" всі моделі помиляються, деякі з них корисні ", - сказав провідний метеоролог Шон Малрад, інструктор з ембрілатного авіаційного коледжу. "Навіть якщо це великий прогноз, це буде трохи неправильно. Ось як ви можете додати значення до цієї моделі. "
Читати далі
ПЕРЕГЛЯНІТЬ: Завзятість на Марсі сьогодні за 7 хвилин терору
Наполегливість майже приєдналася до цікавості на поверхні Марса. Ось як слідкувати за посадкою.
AMD, щоб взяти на XMP Intel з Ryzen Accelered Memory Profiles на AM5
Виробник HWINFO, здається, витікає досить великий показ на платформу AMD.
META планує взяти майже половину доходів Творця в зміст
META нещодавно виявив, як він буде підтримувати продаж, створений користувачем вмісту у досвіді VR, і творці будуть залишатися лише половиною грошей після вирізання мета. Майбутнє починає виглядати як гірша версія минулого.
Армія США, щоб взяти доставку перших пристроїв Microsoft HoloLens після успішних тестів
Після кількох місяців розчарувань відділення, нарешті, бере свою першу партію окулярів, що розширюють реальність HoloLens.