Microsoft, makine öğreniminin hava durumu tahminlerini altı hafta ileriye kadar güvenilir kıldığını söylüyor

Microsoft ne duyurdu

Microsoft araştırmacıları, güvenilir hava durumu tahminlerini uzun süredir alanın önündeki engel olan iki haftalık sınırın ötesine taşıdıklarını iddia ediyor. The Verge'ye göre, ekibin bulguları Nature dergisinde yayımlandı ve arkasındaki yazılım open source olarak yayınlandı.

Teknik, iki ila altı hafta önceden yapılan tahminleri hedef alıyor; bu aralıkta çiftçiler ve afet ekipleri şu anda pek şeye güvenemiyor. Sonuçlar çalışmanın dışında da doğrulanırsa, daha uzun vadeli planlama kararları daha sağlam bir zemine oturabilir.

Sıfırdan yeni model kurmak yerine mevcutları düzeltmek

Microsoft, Google, Nvidia ve diğerlerinin izlediği yol gibi sıfırdan başka bir yapay zeka hava durumu modeli eğitmek yerine, mevcut modellere eklenebilen bir yaklaşım benimsiyor. Geleneksel simülasyonlar atmosfer fiziğini süper bilgisayarlarda yeniden üretmeye çalışırken, yapay zeka modelleri geçmiş verilerde örüntüler arıyor. İkisi de gözlemlerin seyrek olduğu veya temel bilimin eksik olduğu yerlerde yaklaşımalarına dayanıyor ve bu yaklaşımalar sistematik önyargıya dönüşüyor. Hatalar tahmin ilerledikçe birikiyor; beceri bu yüzden yaklaşık iki hafta sonra keskin biçimde düşüyor.

Microsoft'un Probabilistic Bias Correction (PBC) adını verdiği yöntem, makine öğrenimini bu sistematik önyargıları tespit etmek ve bunları telafi etmek için kullanıyor. Microsoft Research New England'da kıdemli baş araştırmacı olan Lester Mackey, The Verge'ye bir örnek verdi: Geçmiş kayıtlara ağırlıkla dayanan bir model, geçmişin daha serin iklimine kayarak, sera gazı emisyonları nedeniyle gezegenin bugün yaşadığı daha sıcak koşulları olduğundan az gösterebilir.

Dikkat çekici pratik bir ayrıntı, PBC'nin fizik simülasyonlarının arkasındaki süper bilgisayarlarda ya da üretken yapay zekanın arkasındaki güçlü GPU'larda değil, sıradan CPU'larda çalışması. The Verge'ye konuşan Mackey, "Hava durumu tahmininin artan kaynak verimliliği ve özellikle aşırı hava olayları için tahminlerin uzatılan güvenilirliği konusunda çok umutluyum" dedi.

ECMWF sistemleriyle karşılaştırıldı

Araştırmacılar PBC'yi alanın öncü kuruluşlarından Avrupa Orta Vadeli Hava Tahminleri Merkezi'ne (ECMWF) karşı test etti. Düzeltmeler, çalışmanın analizinde ECMWF'nin amiral gemisi fizik tabanlı modelinin doğruluğunu yağış hedeflerinin yüzde 98'inde ve sıcaklık hedeflerinin yüzde 92'sinde iyileştirdi ve ECMWF'nin daha yeni yapay zeka tahmin sisteminin doğruluğunu ikiye katladı.

ECMWF, çalışmayı yayından önce tanımış ve yazarlarına AI Weather Quest yarışmasında ödül vermişti. Makalenin yazarları Microsoft, MIT, ECMWF ve diğer kurumlara bağlı.

ECMWF'nin makine öğrenimi strateji lideri Matthew Chantry, e-postayla yaptığı açıklamada araştırmayı, tahmin topluluğunun yararına ve dikkati için geliştirilen yeni fikirlere iyi bir örnek olarak nitelendirdi. Bir uyarı da ekledi: Fikirleri operasyonel bir sürece dönüştürmek en zorlu adımdır.

Küçük hava durumu hizmetleri düşünülerek geliştirildi

Modern tahminin hesaplama ve altyapı talepleri, gelişmekte olan ekonomilerdeki birçok meteoroloji kurumunu ileri araçlardan mahrum bıraktı. Makalenin yazarları PBC'nin bu denklemi değiştirdiğini savunuyor. Yazarlardan Genevieve Flaspohler, "PBC gibi modellerde beni gerçekten heyecanlandıran şeylerden biri ne kadar hafif oldukları, ne kadar kolay eğitildikleri; büyük kaynak havuzları olmayan bilim insanlarının bu modelleri yapılandırmaya ve belirli yerlerde daha iyi performans göstermelerini sağlamaya çalışabilmesi" dedi.

Flaspohler, PBC'yi Microsoft'ta stajyer olarak Mackey ile birlikte geliştirdi ve şu anda kâr amacı gütmeyen Rhiza Research'ün icra direktörü olarak görev yapıyor. Gates Vakfı'nın finansmanıyla Rhiza, Kenya Meteoroloji Hizmetleri Otoritesi ile birlikte, rekor kıran bir El Niño sırasında alışılmadık derecede şiddetli olması beklenen bir yağmur mevsimi öncesinde daha doğru erken uyarılar sunmak için PBC dahil yapay zeka yöntemlerini test ediyor.

Neden önemli

Ekim zamanlamasından afet hazırlığına ve su yönetimine kadar çoğu önemli planlama, günler değil haftalar ölçeğinde gerçekleşiyor. Sezon-altı tahmin hem fizik tabanlı hem de yapay zeka yaklaşımları için inatçı bir sınır olageldi ve olağan dışı donanım gerektirmeden mevcut herhangi bir modeli iyileştiren bir düzeltme katmanı, kurumların ve halkın bir tahminden bekleyebileceklerini değiştirebilir. Araç open source ve CPU dostu olduğu için kazanımlar süper bilgisayar bütçesine sahip kurumlarla sınırlı değil. ECMWF'den Chantry'nin belirttiği gibi açık soru, araştırmanın günlük operasyonlara tercüme edilip edilemeyeceği; Kenya pilotu gibi dağıtımlardan gelecek sonuçlar asıl test olacak.