Yapay zeka her alana girdiği gibi elbette verilerle uğraşmanın en zor olduğu hava tahmin konusuna da giriyor. Bunun için Seeds isimli bir uygulama hayata geçirilmiş. Bu teknoloji, difüzyon modellerini kullanarak hava tahminlerini hızlandırmayı ve iyileştirmeyi amaçlıyor.
Doğru hava tahminleri niçin gerekiyor? Tabi ki güne hazırlanmak isteyen insanlar, tehlikeli hava koşullarından korunmak isteyenler, havanın hayatları üzerinde doğrudan bir etkiye sahip olan herkes… İklim değiştikçe doğru ve zamanında hava tahminlerinin önemi daha da artacak.
Hava olayları doğası gereği stokastiktir. Yani rastgeledir, belirsizlikleri büyük öçüde bünyesinde barındırır. Belirsizliği nicelendirmek için geleneksel yöntemler, fizik tabanlı simülasyonlara dayanarak bir birleşik model tahminleri üretir. Ancak, nadir ve aşırı hava olaylarını doğru bir şekilde saptayıp karakterize etmek için büyük bir birleşim model üretmek hesaplama açısından maliyetlidir.
Bu düşünceyle, hava tahmini alanında ilerlemeyi hızlandırmak için üretici AI modeli olan Scalable Ensemble Envelope Diffusion Sampler yani Seeds tasarlandı. SEEDS, işlemsel bir hava tahmin sisteminden bir veya iki tahmin ile koşullandırılmış büyük bir ortak çalışma üretebiliyor. Üretilen model sadece gerçek hava koşullarına benzer tahminler sağlamakla kalmaz, aynı zamanda fizik tabanlı modellerin beceri metriklerinde de eşit veya daha iyi performans gösteriyor. En önemlisi, modelin hesaplama maliyeti, bir tahmin yapmak için süper bilgisayarlar tarafından gereken saatlerce hesaplama süresiyle kıyaslandığında ihmal edilebilir düzeyde.
Generatif AI, çok detaylı görüntüler ve videolar üretme özelliğiyle biliniyor. Bu özellik, olası hava desenleriyle uyumlu olan model tahminlerini üretmek için özellikle yararlı. Bu da son kullanım uygulamaları için en fazla katma değeri sağlıyor.
SEEDS, atmosfer durumunun ortak dağılımını doğrudan modelleyerek, yüzey rüzgarlarını yönlendiren ortalama deniz seviyesi basıncındaki ve büyük hava desenlerini hareket ettiren üst seviye rüzgarları oluşturan orta-troposferik jeopotansiyeldeki gradyanları gerçekçi bir şekilde yakalayabiliyor.