【
儀器網 時事聚焦】人工智能的發展為我們生活帶來了許多的便利，而作為一項計算機技術，其對科研工作帶來的改變則更加明顯。
其中，頗具代表性的一點便是，人工智能有效地提高了科研工作的效率。傳統的科研方法往往需要大量的數據收集、整理和分析工作，這些工作通常耗時耗力且容易出錯。而人工智能技術可以快速地處理和分析海量數據，從中提取出有價值的信息，為科研人員提供更為準確和高效的研究工具。
也正因如此，訓練AI模型來滿足一些特殊科研需求，成為了不少單位嘗試的方向，并將其作為一個重要的工作進行推進。而其中就包含了氣象科學。
近日，谷歌公司發布了一款新的生成式人工智能(AI)模型——可擴展集成包絡擴散采樣器(SEEDS)。據悉，SEEDS模型與ChatGPT等流行的大型語言模型、Sora等生成式AI工具類似，并且實際使用過程中，可以僅基于1—2個輸入數據，推斷出多達31個天氣場景。
而目前傳統的氣象預測是將隨機變量作為初始條件，使用概率性預測模型進行極端氣象推斷。與傳統方法相比，SEEDS能更快地生成更多天氣場景，從而保證在較低的錯誤率下盡可能的提供出合適的結果來幫助有關人員計算并規避極端天氣的危害。
或許聽起來并沒有特別突出，但是實際效果卻出乎意料。在實際實驗中，研究人員基于2022年歐洲熱浪進行建模，SEEDS以每3分鐘可給出256個預測結果的速度，成功預測了結果，而事實上，在熱浪暴發前7天，美國氣象機構的預測數據未能預測該事件即將發生。
那么是不是說AI是應對極端數據的最佳手段呢？就目前來說不全是。事實上，AI預測天氣還是基于基礎數據來實現的，而提供的基礎數據越多，所能計算到的結果就越精確，鎖定的氣象范圍也就越集中。與之相對的，如果提供的數據有問題，那么預測結果就同樣不可信。因此從這點來看，決定極端天氣預測結果的根本要素之一，還是對于數據的準確采集能力。而這個能力是依賴
傳感器技術、衛星技術等一系列觀測技術來實現的。
換言之，即便如今借助人工智能我們能夠實現許多事，但是條件依舊要我們來提供，AI的發展方向或許還是要依賴于與其他先進技術的協調。
浙公網安備 33010602002722號
昵稱 驗證碼 請輸入正確驗證碼
所有評論僅代表網友意見，與本站立場無關