U saradnji s Met Office-om, britanskom nacionalnom meteorološkom službom, DeepMind je razvio alat za duboko učenje (engl. deep learning) pod nazivom DGMR koji može precizno predvidjeti vjerovatnoću kiše u narednih 90 minuta – jedan od najtežih izazova za vremensku prognozu.
U slijepoj usporedbi s postojećim alatima, uzimajući u obzir niz faktora, nekoliko desetina stručnjaka ocijenilo je da su prognoze DGMR-a najbolje – uključujući njegova predviđanja lokacije, obima, kretanja i intenziteta kiše – 89% vremena. Rezultati su objavljeni u časopisu Nature.
DeepMind-ov novi alat nije AlphaFold, koji je riješio ključni problem u biologiji s kojim su se naučnici borili decenijama. Ipak, čak i mali napredak u predviđanju je važan.
Predviđanje kiše, posebno jake kiše, ključno je za mnoge industrije, od događaja na otvorenom preko avijacije do hitnih službi. Ali teško je to dobro predvidjeti. Određivanje količine vode na nebu, te kada i gdje će pasti zavisi od brojnih vremenskih procesa, kao što su promjene temperature, formiranje oblaka i vjetar. Svi ovi faktori su sami po sebi dovoljno složeni, ali su još složeniji kada se posmatraju zajedno.
Najbolje postojeće tehnike predviđanja koriste ogromne kompjuterske simulacije atmosferske fizike. One dobro funkcionišu za dugoročne prognoze, ali su manje dobre u predviđanju onoga što će se desiti u sljedećih sat vremena, a što je poznato kao sadašnja prognoza. Razvijene su prethodne tehnike dubokog učenja, ali one obično funkcionišu dobro u jednoj stvari, kao što je predviđanje lokacije, nauštrb nečega drugog, kao što je predviđanje intenziteta.
„Procjena padavina ostaje značajan izazov za meteorologe“, kaže Greg Carbin, šef prognoziranja u NOAA Centru za predviđanje vremena u SAD-u, koji nije bio uključen u ovaj posao.
DeepMind tim je trenirao svoju umjetnu inteligenciju na radarskim podacima. Mnoge zemlje objavljuju česte snimke radarskih mjerenja tokom dana koja prate formiranje i kretanje oblaka. U Velikoj Britaniji, na primjer, svakih pet minuta se objavljuje novo očitanje. Sastavljanjem ovih snimaka dobijate ažurirani video zapis koji pokazuje kako se kišni oblaci kreću širom zemlje, slično vizuelnim prognozama koje vidite na TV-u.
Istraživači su ove podatke integrisali u duboku generativnu mrežu, sličnu GAN–u – vrsti AI koja je obučena da generiše nove uzorke podataka koji su vrlo slični stvarnim podacima na kojima je obučen. GAN–ovi su korišteni za generisanje lažnih lica. U ovom slučaju, DGMR (što je skraćenica za „duboki generativni model padavina – deep generative model of rainfall”) je naučio da generiše lažne radarske snimke koji su nastavili niz stvarnih mjerenja. To je ista ideja kao da vidite nekoliko kadrova filma i pogodite šta će biti sljedeće, kaže Shakir Mohamed, koji je vodio istraživanje u DeepMind-u.
Kako bi testirao pristup, tim je zamolio 56 prognozera u Met Office–u (koji inače nisu bili uključeni u rad) da ocijene DGMR u slijepom poređenju s prognozama napravljenim od strane najsavremenije fizičke simulacije i rivalskih alata za duboko učenje; 89% je reklo da preferiraju rezultate koje je dao DGMR.
“Algoritmi mašinskog učenja općenito teže optimizaciji za jednostavnu mjeru koliko je dobro njihovo predviđanje,” kaže Niall Robinson, šef partnerstva i inovacija proizvoda u Met Office–u, koji je koautor studije. “Međutim, vremenske prognoze mogu biti dobre ili loše na mnogo različitih načina. Možda jedna prognoza predvidi padavine na pravoj lokaciji, ali pogrešnog intenziteta, ili druga predvidi pravu kombinaciju intenziteta, ali na pogrešnim mjestima, i tako dalje. Uložili smo mnogo truda u ovo istraživanje kako bismo procijenili naš algoritam u odnosu na širok skup metrika.”
Saradnja DeepMind–a s Met Office–om dobar je primjer razvoja umjetne inteligencije u saradnji s krajnjim korisnikom, nešto što izgleda kao očito dobra ideja, ali se često ne dogodi. Tim je radio na projektu nekoliko godina, a doprinosi stručnjaka Met Office–a oblikovali su projekt. „To je podstaklo razvoj našeg modela na drugačiji način nego što bismo sami to uradili,“ kaže Suman Ravuri, naučnik u DeepMind–u. “Inače bismo mogli napraviti model koji na kraju ne bi bio posebno koristan.”
Članak “DeepMind’s AI predicts almost exactly when and where it’s going to rain” autora Will Douglas Heaven–a preveden je sa portala MITTechnologyReview.
