Googles AI udfordrer statens vejrmonopol
WeatherNext 3 slår både traditionelle vejrudsigter og konkurrerende AI-modeller på præcision og integreres nu i Google Search og Maps.
Læs i dit tempo
Kort
Google integrerer den nye vejrmodel WeatherNext 3 i Search, Maps og Gemini. Modellen er mere præcis og billigere end traditionelle vejrudsigter, fordi den bruger AI (kunstig intelligens) til at genkende mønstre. Modellen bliver nu også gjort tilgængelig for forskere via Googles cloud-platforme.
Begynder
Google vil snart bruge den nye vejr-model WeatherNext 3 i tjenester som Search, Maps og Gemini. Forskere kan også få adgang gennem Googles cloud-platforme, som er store netværk af computere, man kan leje over internettet. Modellen er den mest præcise i test fra Operational WeatherBench. Det er et værktøj fra firmaet Brightband, der sammenligner prognoser baseret på temperatur, vind og luftfugtighed.
WeatherNext 3 er bedre end både traditionelle vejrudsigter og andre modeller baseret på deep learning. Deep learning er en form for kunstig intelligens, der efterligner menneskets måde at lære på. Modellen slår resultater fra Microsoft, Nvidia og European Center for Medium-Range Weather Forecasting (ECMWF) samt det amerikanske National Weather Service.
Før i tiden brugte regeringer supercomputere til at løse svære matematiske ligninger for at forudsige vejret. Det svarer til at prøve at regne hver eneste lille detalje ud med en formel. Men i 2018 frigav ECMWF over 50 års vejrdata. Nu kan man i stedet bruge maskinlæring, hvor computeren lærer mønstre fra store datamængder. Det er både hurtigere og billigere end de gamle systemer.
Vejret er kaotisk, så en lille ændring kan give store udslag. Derfor er det ofte mere effektivt at genkende mønstre end at simulere fysikken, når computerens kræfter er begrænsede. Maskinlæring er god til at håndtere ufuldstændige oplysninger, fordi den ser på erfaringer fra fortiden frem for kun at følge faste regler.
Vil du have, at jeg uddyber forskellen mellem traditionelle vejrudsigter og maskinlæring med et konkret eksempel?
Tre Google-produkter, heriblandt Search, Maps og Gemini, skal bruge vejrinformation fra den nye model WeatherNext 3. Modellen bliver også tilgængelig for forskere via Googles cloud-platforme.
Modellen er den mest præcise i test fra Operational WeatherBench. Værktøjet fra startup-virksomheden Brightband sammenligner AI-prognoser baseret på temperatur, vindhastighed og luftfugtighed.
WeatherNext 3 slår både traditionelle vejrudsigter og andre deep learning-modeller. Den overgår modeller fra Microsoft, Nvidia og European Center for Medium-Range Weather Forecasting (ECMWF) samt traditionelle prognoser fra det amerikanske National Weather Service.
Deep learning-modeller kører hurtigere og er billigere end traditionelle vejrsystemer. Tidligere brugte regeringer supercomputere til at løse matematiske ligninger, men efter ECMWF frigav mere end 50 års vejrdata i 2018, er det blevet muligt at træne modeller på mønstre i data.
Machine learning håndterer ufuldstændig information ved at lære mønstre fra store datamængder. Vejr er kaotisk, og små forskelle kan give store udslag, hvilket gør mønstergenkendelse mere effektiv end fysik-simuleringer med begrænset regnekraft.
Kilder
Produktionshistorie
- Radar Signal ? af 100 · spredning 1 kilder
- Skrevet Model: mimo-v2.5-free · temperatur 0.4
- Overskrift 5 kandidater, valgt af chat.dk
- Vedtagelse ainews-auto-v3 · score 0.3677