L'IA di DeepMind prevede quasi esattamente quando e dove pioverà

Getty

Primo ripiegamento proteico , ora previsioni meteorologiche: l'azienda londinese di intelligenza artificiale DeepMind sta continuando la sua corsa applicando il deep learning a problemi di scienze difficili. In collaborazione con Met Office, il servizio meteorologico nazionale del Regno Unito, DeepMind ha sviluppato uno strumento di apprendimento approfondito chiamato DGMR in grado di prevedere con precisione la probabilità di pioggia nei prossimi 90 minuti, una delle sfide più difficili per le previsioni meteorologiche.

In un confronto cieco con gli strumenti esistenti, diverse dozzine di esperti hanno giudicato le previsioni del DGMR come le migliori in una serie di fattori, comprese le sue previsioni sulla posizione, l'estensione, il movimento e l'intensità della pioggia, l'89% delle volte. I risultati sono stati pubblicato in un articolo sulla natura oggi.

Il nuovo strumento di DeepMind è no AlphaFold, che ha aperto un problema chiave in biologia con cui gli scienziati avevano lottato per decenni. Eppure anche un piccolo miglioramento nelle previsioni conta.

La previsione della pioggia, in particolare della pioggia battente, è fondamentale per molti settori, dagli eventi all'aperto all'aviazione ai servizi di emergenza. Ma farlo bene è difficile. Capire quanta acqua c'è nel cielo, e quando e dove cadrà, dipende da una serie di processi meteorologici, come i cambiamenti di temperatura, la formazione di nuvole e il vento. Tutti questi fattori sono abbastanza complessi di per sé, ma sono ancora più complessi se presi insieme.

Le migliori tecniche di previsione esistenti utilizzano massicce simulazioni al computer della fisica atmosferica. Questi funzionano bene per le previsioni a lungo termine, ma sono meno bravi a prevedere cosa accadrà nelle prossime ore, noto come nowcasting. Sono state sviluppate precedenti tecniche di apprendimento profondo, ma queste in genere funzionano bene in una cosa, come la previsione della posizione, a scapito di qualcos'altro, come la previsione dell'intensità.

Confronto del DGMR con i dati radar effettivi e due tecniche di previsione rivali per forti piogge negli Stati Uniti orientali nell'aprile 2019

MENTE PROFONDA

L'attuale previsione delle precipitazioni rimane una sfida sostanziale per i meteorologi, afferma Greg Carbin, capo delle operazioni di previsione presso il NOAA Weather Prediction Center negli Stati Uniti, che non è stato coinvolto nel lavoro.

Il team di DeepMind ha addestrato la propria IA sui dati radar. Molti paesi rilasciano istantanee frequenti durante il giorno di misurazioni radar che tracciano la formazione e il movimento delle nuvole. Nel Regno Unito, ad esempio, viene rilasciata una nuova lettura ogni cinque minuti. L'unione di queste istantanee fornisce un video in stop-motion aggiornato che mostra come si stanno muovendo i modelli di pioggia in un paese, in modo simile alle immagini delle previsioni che vedi in TV.

I ricercatori hanno fornito questi dati a una rete generativa profonda, simile a un GAN, una sorta di IA addestrata per generare nuovi campioni di dati molto simili ai dati reali su cui è stato addestrato. I GAN sono stati abituati generare facce false , anche falsi Rembrandt. In questo caso, DGMR (che sta per Deep Generative Model of Rain) ha imparato a generare false istantanee radar che continuavano la sequenza delle misurazioni effettive. È la stessa idea di vedere alcuni fotogrammi di un film e indovinare cosa verrà dopo, afferma Shakir Mohamed, che ha guidato la ricerca presso DeepMind.

Per testare l'approccio, il team ha chiesto a 56 meteorologi del Met Office (che non erano altrimenti coinvolti nel lavoro) di valutare DGMR in un confronto cieco con le previsioni fatte da una simulazione fisica all'avanguardia e da un rivale deep -strumento di apprendimento; L'89% ha affermato di preferire i risultati forniti dalla DGMR.

Gli algoritmi di apprendimento automatico generalmente cercano di ottimizzare per una semplice misura di quanto sia buona la sua previsione, afferma Niall Robinson, responsabile delle partnership e dell'innovazione di prodotto presso il Met Office, coautore dello studio. Tuttavia, le previsioni del tempo possono essere buone o cattive in molti modi diversi. Forse una previsione ottiene precipitazioni nella posizione giusta ma con l'intensità sbagliata, o un'altra ottiene il giusto mix di intensità ma nei posti sbagliati, e così via. Ci siamo impegnati molto in questa ricerca per valutare il nostro algoritmo rispetto a un'ampia suite di metriche.

Storia correlata

DeepMind afferma che rilascerà la struttura di ogni proteina nota alla scienza

L'azienda ha già utilizzato la sua intelligenza artificiale per il ripiegamento delle proteine, AlphaFold, per generare strutture per il proteoma umano, oltre a lievito, moscerini della frutta, topi e altro ancora.

La collaborazione di DeepMind con Met Office è un buon esempio di sviluppo dell'IA svolto in collaborazione con l'utente finale, qualcosa che sembra ovviamente una buona idea ma spesso non accade. Il team ha lavorato al progetto per diversi anni e il contributo degli esperti del Met Office ha dato forma al progetto. Ha spinto lo sviluppo del nostro modello in un modo diverso da quello che saremmo andati giù da soli, afferma Suman Ravuri, ricercatore presso DeepMind. Altrimenti avremmo potuto realizzare un modello che alla fine non era particolarmente utile.

DeepMind è anche ansioso di dimostrare che la sua IA ha applicazioni pratiche. Per Shakir, DGMR fa parte della stessa storia di AlphaFold: l'azienda sta guadagnando i suoi anni di risoluzione di problemi difficili nei giochi. Forse il più grande asporto qui è che DeepMind sta finalmente iniziando a spuntare una lista di problemi scientifici del mondo reale.

nascondere