Key takeaways
- Artificiell intelligens kammar igenom stora mängder data för att skapa mer exakta väderprognoser.
- Storbritanniens vädertjänst har utvecklat ett AI-verktyg som exakt kan förutsäga sannolikheten för regn under de kommande 90 minuterna.
- Spire Global är ett företag som redan använder AI för att förbättra prognoser.
Din nästa väderuppdatering kan komma till dig tack vare artificiell intelligens (AI).
Storbritanniens nationella vädertjänst har utvecklat ett AI-verktyg som den hävdar exakt kan förutsäga sannolikheten för regn under de kommande 90 minuterna. Att göra exakta väderprognoser är ett utmanande problem som har motstått årtusenden av ansträngningar. Men forskarna hoppas att AI skulle kunna revolutionera väderprognoser.
"Alla branscher som är väderkänsliga undersöker sätt att använda AI för att förbättra säkerheten och driften", sa Renny Vandewege, vice vd för väderoperationer på dataanalysföretaget DTN, till Lifewire i en e-postintervju. "Till exempel använder verktyg AI för att identifiera och förutsäga nätets motståndskraft och potentiella avbrott."
Nowcasting Rain
London är känt för en dyster himmel, men du kan åtminstone få en bättre varning när strösseln börjar. I samarbete med Storbritanniens nationella vädertjänst har AI-företaget DeepMind utvecklat ett verktyg för djupinlärning som heter DGMR för prognoser.
Experter bedömde DGMR:s prognoser vara de bästa över en rad faktorer, inklusive dess förutsägelser om läget, omfattningen, rörelsen och intensiteten av regnet - 89 % av tiden, enligt en tidning som nyligen publicerades i tidskriften Nature. Företaget kallar tekniken "nowcasting" eftersom den är så läglig.
"Vi använder en metod som kallas generativ modellering för att göra detaljerade och rimliga förutsägelser av framtida radar baserat på tidigare radar", skrev DeepMind på sin hemsida. "Begreppsmässigt är detta ett problem med att generera radarfilmer. Med sådana metoder kan vi både exakt fånga storskaliga händelser, samtidigt som vi genererar många alternativa regnscenarier (kända som ensembleförutsägelser), vilket gör det möjligt att utforska nederbördsosäkerhet."
Appu Shaji, en AI-forskare som inte är involverad i DeepMind-studien, kallade företagets arbete "imponerande" i en e-postintervju med Lifewire.
"Med detta sagt är dessa verk fortfarande i sin linda, och vi bör förvänta oss att se avsevärda framsteg vad gäller noggrannhet och prognosmöjligheter under de kommande åren", tillade han.
Predicting Chaos
Vädret är en kaotisk process som är svår att förutsäga med precision.
"Avancerade vädermodeller och teknik, som AI, förbättrar prognoser för att hjälpa oss att bättre planera, förbereda och minska påverkan av väderhändelser", sa Vandewege.
Avancerade vädermodeller och teknik, som AI, förbättrar prognoser för att hjälpa oss att bättre planera, förbereda och minska påverkan av väderhändelser.
"När väderhändelserna blir vanligare och mer extrema, innebär korrekta prognoser med längre ledtid att företag, samhällen och allmänheten har mer tid och mer information för att fatta bättre beslut."
Vädersimuleringar körs för närvarande med datormodeller, sa Vikram Saletore, en AI-expert på Intel, till Lifewire i en e-postintervju. Men, sa han, vädermodeller måste köras ofta eftersom miljön förändras för korrekta prognoser.
"AI förbättrar väderprognoserna dramatiskt genom att möjliggöra och avsevärt accelerera dessa simuleringsmiljöer för att ta in enorma mängder historiska modeller med den nuvarande miljön som input och köra förutsägelser om potentiella utfall", tillade Saletore.
Spire Global är ett företag som redan använder AI-program för att förbättra prognoser. PredictWind-programmet tillhandahåller vindprognoser till maritima och fritidssportanvändare genom att bearbeta satellitdata med datoralgoritmer.
"Klimatförändringar ökar sannolikheten för extremt väder och global verksamhet öppnar företag för hot om väderstörningar var som helst i världen", sa Matthew Lennie, en AI-expert Spire Global, till Lifewire i en e-postintervju.
Datorkraft har varit en flaskhals för väderprognoser. Som ett resultat av detta har några av de mest kraftfulla superdatorerna byggts specifikt för att få ner prognossiffror.
"AI har en fantastisk chans att minska detta beroende av kraftfulla motorer och potentiellt köra dessa modeller för att få lika bra eller bättre resultat med betydligt mindre beräkningsbelastning", sa Shaji. "Deep learning försöker inte lösa dessa formler direkt, utan förutsäger dem baserat på observerbara mönster."
AI-metoden liknar hur aktiemarknadsinvesterare tittar på mönster under långa perioder, påpekade Shaji. "Djup inlärning har mer precision," tillade han. "Den prediktiva noggrannheten och kapaciteten hos modeller kommer bara att bli bättre i framtiden."
