Két-hét és hat hét közötti időjárás-előrejelzést javít a Microsoft új nyílt forráskódú AI-ja

A PBC a meglévő, akár fizikai alapú, akár AI-modellek torzításait korrigálja gépi tanulással. Ez különösen fontos lehet a klímaváltozás okozta eltolódások, például a melegebb globális átlaghőmérséklet figyelembevétele szempontjából. A módszer az European Centre for Medium-Range Weather Forecasts (ECMWF) egyik vezető fizikai modelljének csapadékbecslési pontosságát 98%-kal, a hőmérsékleti célok pontosságát pedig 92%-kal javította. (The Verge)

Pontosság és tudományos validáció

A Microsoft kutatása szerint a PBC megduplázta az ECMWF új AI-alapú előrejelző rendszerének pontosságát is. A kutatást, amelyben a Microsoft mellett az MIT és az ECMWF is részt vett, ma tették közzé a Nature folyóiratban. Az ECMWF már korábban elismerte a PBC-n alapuló kutatást az AI Weather Quest versenyén.

Globális alkalmazhatóság és erőforrásigény

„Nagy reményeket fűzök mind a meteorológiai előrejelzések erőforrás-hatékonyságának növeléséhez, mind az előrejelzések megnövelt megbízhatóságához, különösen extrém időjárási események esetén” — nyilatkozta Lester Mackey, a Microsoft Research New England vezető kutatója. A PBC előnye, hogy erőforrás-szűkében lévő ügynökségek is futtathatják CPU-kon, szemben a szuperkomputereket vagy nagy teljesítményű GPU-kat igénylő modellekkel.

A Rhiza Research nonprofit szervezet a Gates Alapítvány támogatásával éppen a kenyai meteorológiai szolgálattal együttműködve teszteli a PBC-t, hogy pontosabb korai figyelmeztetéseket adjanak ki a lakosságnak a várhatóan szélsőségesebb esős évszak előtt. A kutatók szerint a PBC könnyen tanítható és alacsony erőforrásigényű, így a kisebb, helyi kutatócsoportok is képesek lehetnek konfigurálni és finomhangolni a modelleket.

A PBC CPU-kon futtatható, ami a Rhiza Research és a kenyai meteorológiai szolgálat együttműködését támogatja.