SEEDS是一個生成型人工智能平臺，可以比傳統模型更快、建立更高效地構建許多天氣集合。預測杭州上城（預約外圍）找外圍vx《192-1819-1410》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達（圖片來源：uux.cn/Revolu7ion93通過蓋蒂圖片社）
（神秘的未天地球uux.cn）據美國生活科學網站（德魯·特尼）：谷歌發布了一種人工智能（AI）模型，聲稱該模型可以大規模生成準確的氣災天氣預報，同時比傳統的人工基于物理的預測更便宜。
“可擴展集成包絡擴散采樣器”（SEEDS）模型的模型設計類似于ChatGPT等流行的大型語言模型和Sora等生成人工智能工具，后者根據文本提示生成視頻。谷歌
SEEDS生成許多集合——或多個天氣場景——比傳統的建立預測模型更快、更便宜。預測該團隊在3月29日發表在《科學進展》雜志上的未天一篇論文中描述了他們的發現。
天氣很難預測，氣災有許多變量可能導致潛在的人工杭州上城（預約外圍）找外圍vx《192-1819-1410》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達破壞性天氣事件，從颶風到熱浪。模型隨著氣候變化的谷歌惡化和極端天氣事件的日益普遍，準確預測天氣可以讓人們有時間為自然災害的最壞影響做好準備，從而挽救生命。
目前氣象服務部門使用的基于物理的預測收集了各種測量結果，并給出了最終預測，該預測基于所有變量對許多不同的建模預測或集合進行平均。天氣預報不是基于單一的預測，而是基于每個預測周期的一組預測，這些預測提供了一系列可能的未來狀態。
這意味著，對于溫和的天氣或溫暖的夏日等更常見的情況，大多數天氣預測都足夠準確，但大多數服務都無法生成足夠的預測模型來發現極端天氣事件的可能結果。
當前的預測也使用確定性或概率性預測模型，其中將隨機變量引入初始條件。但這會導致錯誤率迅速上升，這意味著很難準確預測未來的極端天氣和天氣。
初始條件中的不可預見誤差也會極大地影響預測結果，因為變量隨著時間呈指數級增長，并且對足夠多的預測進行建模以考慮到如此微小的細節是昂貴的。谷歌的科學家估計，一個模型中需要10000個預測來預測只有1%可能發生的事件。
SEEDS根據氣象機構收集的物理測量結果生成預測模型。特別是，它研究了對流層中部地球重力場每質量勢能單位與海平面壓力之間的關系，這是預測中常用的兩種測量方法。
傳統方法只能產生大約10到50個預測的集合。但通過使用人工智能，當前版本的SEEDS可以僅基于一到兩個用作輸入數據的“播種預測”推斷出多達31個預測集合。
研究人員通過使用當時記錄的歷史天氣數據對2022年歐洲熱浪進行建模，對該系統進行了測試。谷歌代表在其研究門戶網站的博客文章中表示，就在熱浪爆發前七天，美國的整體作戰預測數據沒有表明這樣的事件即將發生。他們補充說，少于100個預測的集合——這比傳統的集合要多——也會錯過它。
科學家們稱，與當今的方法相比，使用SEEDS進行計算的計算成本“微不足道”。谷歌表示，在谷歌云架構的樣本中，人工智能系統每三分鐘處理時間的吞吐量為256個集合，可以通過招募更多加速器來輕松擴展。

最新評論