В мире более 30 000 метеостанций, которые измеряют температуру, осадки и другие показатели, зачастую ежедневно. Это огромный объем данных, который исследователи климата должны собрать и проанализировать, чтобы получить ежемесячные и годовые глобальные и региональные температуры, которые затем попадают в новости.
Для облегчения задачи ученые решили задействовать искусственный интеллект, пишет Phys.org. ИИ изучил наборы данных для анализа экстремальных температур в Европе. Он обнаружил ряд отличий с существующими результатами, которые были получены при использовании традиционных методов сбора данных. Кроме того, ИИ выявил ранее неизвестные экстремальные климатические явления.
Учитывая стремительные изменения климата на планете, важно знать, как меняются экстремальные значения температуры и осадков, чтобы специалисты по планированию могли адаптироваться к текущим экстремальным явлениям и к тому, что будет происходить в будущем. Группа под руководством Этьена Плезиа из Немецкого центра климатических вычислений в Гамбурге, в которую вошли ученые из Великобритании и Испании, сочла экстремальные температуры перспективной областью для применения методов нейронных сетей ИИ.
Ученые сосредоточились на Европе. Используя ИИ, группа реконструировала наблюдения за экстремальными климатическими явлениями — чрезвычайно теплыми и холодными днями, а также чрезвычайно теплыми и холодными ночами. Оказалось, что метод глубокого обучения, который они называют CRAI (искусственный интеллект для реконструкции климата), превзошел несколько методов интерполяции для расчета теплых и прохладных дней, а также теплых и прохладных ночей.
Кроме того, их CRAI выявил ранее неизвестные экстремальные явления, например, холодные периоды в 1929 году и волны тепла в 1911 году. Об этих экстремальных явлениях известно очень мало из-за скудности данных.
«Наша реконструкция на основе ИИ демонстрирует большую точность по сравнению с традиционными статистическими методами, особенно в регионах с выраженным дефицитом данных», — отмечают специалисты. По словах экспертов, обучение моделей наподобие CRAI должно повысить точность при использовании больших объемов информации.
Ранее Hi-Tech Mail рассказал, как ИИ используют в крупных мегаполисах по всему миру.