گوگل GenCast را معرفی کرد/ انقلاب در پیش‌بینی آب‌وهوا
«تجارت نیوز» گزارش می دهد:
گوگل با معرفی GenCast، مدل هوش مصنوعی پیشرفته خود، پیش‌بینی‌های جوی دقیق‌تر از سیستم ENS ارائه داده و آن را در خدمات خود ادغام کرده است.
به گزارش تجارت نیوز،
تیم دیپ‌مایند گوگل از مدل هوش مصنوعی جدیدی به نام GenCast رونمایی کرد که به گفته محققان، از سامانه پیش‌بینی هوای ENS مرکز اروپایی ECMWF پیشرفته‌تر است. بر اساس تحقیقاتی که در مجله Nature منتشر شده، این مدل توانسته است دقت پیش‌بینی‌های هواشناسی را به سطحی بی‌سابقه ارتقا دهد.
رویکرد نوین GenCast در پیش‌بینی هوا
برخلاف مدل‌های سنتی که تنها یک تخمین مشخص از آینده هوا ارائه می‌دهند، GenCast از یک روش مبتنی بر “مجموعه پیش‌بینی” استفاده می‌کند. این مدل با تولید بیش از 50 پیش‌بینی مختلف، احتمالات گسترده‌ای از شرایط جوی آینده به دست می‌دهد.
این چارچوب احتمالی، دیدگاه جامع‌تری از تغییرات آب‌وهوا به تصمیم‌گیرندگان به دست می‌دهد و آنها را برای طیف وسیعی از شرایط احتمالی آماده می‌کند.
عملکرد بهتر در مقایسه با ENS
GenCast با استفاده از داده‌های تاریخی تا سال 2018 آموزش داده شده و پیش‌بینی‌های آن برای سال 2019 با پیش‌بینی‌های ENS مقایسه شد. نتایج نشان داد GenCast در 97.2 درصد از موارد عملکرد بهتری داشته است. این پیشرفت به دلیل معماری پیشرفته هوش مصنوعی این مدل است که ترکیبی از تکنیک‌های یادگیری ماشینی و دانش عمیق هواشناسی را به کار گرفته است.
ادغام در خدمات گوگل
گوگل قصد دارد GenCast را در ابزارهای خود مانند جست‌وجوی گوگل و گوگل‌مپس ادغام کند. این اقدام به کاربران امکان دسترسی به اطلاعات دقیق و محلی وضعیت هوا در زمان واقعی را می‌دهد. همچنین، گوگل داده‌های پیش‌بینی‌های این مدل را به طور عمومی در اختیار پژوهشگران و سازمان‌ها قرار می‌دهد تا در تحقیقات و مدل‌هایشان از آنها استفاده کنند.
اهمیت پیش‌بینی‌های هواشناسی
GenCast گامی بزرگ در مسیر پیش‌بینی دقیق‌تر و آماده‌سازی بهتر برای رویدادهای جوی است. این مدل می‌تواند آمادگی در برابر بلایای طبیعی، مدیریت کشاورزی، حمل‌ونقل و انرژی را دوچندان کند.
رونمایی از GenCast نشان‌دهنده ورود به عصری جدید در پیش‌بینی وضعیت هواست. این مدل، نه‌تنها مرزهای فناوری را گسترش می‌دهد بلکه توانایی جامعه جهانی را در مقابله با چالش‌های ناشی از تغییرات اقلیمی افزایش خواهد داد.
