Η τεχνητή νοημοσύνη ξεπέρασε τις συμβατικές μεθόδους

Για πρώτη φορά στην Ιστορία, η τεχνητή νοημοσύνη ξεπέρασε συμβατικές μεθόδους πρόβλεψης του καιρού παγκοσμίως έως και 10 ημέρες πριν.

Το μοντέλο τεχνητής νοημοσύνης GraphCast «σηματοδοτεί ένα σημείο καμπής στην πρόγνωση του καιρού», δήλωσαν οι προγραμματιστές του στο ερευνητικό εργαστήριο Deep Mind της Google, σε μια δημοσίευση αξιολογημένη από ομοτίμους (peer-reviewed) στην επιθεώρηση «Science», αφού οι αξιολογήσεις έδειξαν ότι ήταν πιο ακριβές από το κορυφαίο παγκοσμίως συμβατικό σύστημα προβλέψεων με ορίζοντα 3 έως 10 ημερών, το οποίο διαχειρίζεται το Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Μετεωρολογικών Προβλέψεων (ECMWF).

Ξεπέρασε το ECMWF στο 90% των 1.380 δεικτών μέτρησης που χρησιμοποιήθηκαν, ανάμεσά τους η θερμοκρασία, η ατμοσφαιρική πίεση, η ταχύτητα και η διεύθυνση των ανέμων και η υγρασία σε διάφορα επίπεδα της ατμόσφαιρας.

Ο Μάθιου Τσάντρι, συντονιστής μηχανικής μάθησης στο ECMWF, έναν διακυβερνητικό οργανισμό με έδρα τη Βρετανία, δήλωσε ότι τα συστήματα τεχνητής νοημοσύνης στη μετεωρολογία έχουν προοδεύσει «πολύ νωρίτερα και πιο εντυπωσιακά από ό,τι περιμέναμε ακόμη και πριν από δύο χρόνια».

Ο Τσάντρι επιβεβαίωσε τον ισχυρισμό της DeepMind ότι το σύστημά της ήταν το πιο ακριβές: «Διαπιστώνουμε ότι το GraphCast είναι σταθερά πιο ικανό από τα άλλα μοντέλα μηχανικής μάθησης, το Pangu-Weather της Huawei και το FourCastNet της Nvidia, και σε πολλά σημεία είναι πιο ακριβές από το δικό μας σύστημα πρόβλεψης».