Microsoft'ten Hava Durumu Tahminlerini Geliştiren Makine Öğrenimi Aracı
Microsoft, mevcut hava tahmin modellerindeki sistematik sapmaları düzelterek ileriye dönük tahminlerin doğruluğunu artıran açık kaynaklı bir araç geliştirdi.
Microsoft araştırmacıları, iki ile altı hafta arasındaki hava durumu tahminlerini daha güvenilir hale getiren Probabilistic Bias Correction adlı yeni bir makine öğrenimi aracı geliştirdiklerini duyurdu.
Hava Tahminlerinde İki Hafta Sınırı
Geleneksel fizik tabanlı hava durumu tahminleri ve yeni yapay zeka modelleri, iki haftadan uzun süreli tahminlerde genellikle güvenilirliğini yitirmektedir.
Şirket araştırmacıları, çiftçilerin ve acil durum ekiplerinin daha güvenli plan yapmasını sağlayacak maliyet etkin bir çözüm bulduklarını belirtmektedir.
Mevcut Modellerdeki Sapmaları Düzeltme
Microsoft, bağımsız yeni bir hava durumu modeli kurmak yerine, mevcut modellerdeki sapmaları düzeltmek için makine öğreniminden yararlanmaktadır.
Bu yaklaşım, kısıtlı kaynaklara sahip hava durumu ajanslarının yapay zeka yardımıyla doğruluk oranlarını artırması için daha erişilebilir bir yol sunmaktadır.
Yüksek Maliyetli Sistemlere Alternatif
Fizik tabanlı modelleme süper bilgisayarlar gerektirirken, üretken yapay zeka güçlü grafik işlemcilerine ihtiyaç duymaktadır.
Araç, pahalı donanımlara gerek duymadan yalnızca işlemciler üzerinde çalışabilecek kadar hafif ve verimli bir yapı sergilemektedir.
Probabilistic Bias Correction Yöntemi
Microsoft'un Probabilistic Bias Correction olarak adlandırdığı bu yöntem, bir modeldeki sistematik hataları belirleyip düzeltmek için makine öğrenimi kullanmaktadır.
Sera gazı emisyonlarının dünyayı ısıtması gibi iklim değişiklikleri, geçmiş verilere dayanan modellerin gerçeğe kıyasla daha soğuk tahminler yapmasına yol açabilmektedir.
Elde Edilen Başarı Oranları
Araştırmacılar, geliştirilen aracın Avrupa Orta Vadeli Hava Durumu Tahminleri Merkezinin fizik tabanlı modelinin doğruluğunu büyük oranda artırdığını tespit etmiştir.
Sistem, yağış hedeflerinin yüzde 98'inde ve sıcaklık hedeflerinin yüzde 92'sinde tahmin başarı oranını yükseltmeyi başarmıştır.
Gelişmekte Olan Ülkeler İçin Fırsat
Gerekli altyapı maliyetleri nedeniyle teknolojik ilerlemeler ekonomik açıdan gelişmekte olan ülkelerdeki ajanslar için genellikle ulaşılmaz olmaktadır.
Yazarlar, bu hafif modellerin bilim insanlarının büyük kaynaklara ihtiyaç duymadan yerel bazda iyileştirmeler yapmasına olanak tanıdığını vurgulamaktadır.