SEEDS是一個生成型人工智能平臺，可以比傳統(tǒng)模型更快、建立更高效地構(gòu)建許多天氣集合。預測合肥（酒店上門服務）聯(lián)系方式vx《189-4143》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達（圖片來源：uux.cn/Revolu7ion93通過蓋蒂圖片社）
（神秘的未天地球uux.cn）據(jù)美國生活科學網(wǎng)站（德魯·特尼）：谷歌發(fā)布了一種人工智能（AI）模型，聲稱該模型可以大規(guī)模生成準確的氣災天氣預報，同時比傳統(tǒng)的人工基于物理的預測更便宜。
“可擴展集成包絡擴散采樣器”（SEEDS）模型的模型設計類似于ChatGPT等流行的大型語言模型和Sora等生成人工智能工具，后者根據(jù)文本提示生成視頻。谷歌
SEEDS生成許多集合——或多個天氣場景——比傳統(tǒng)的建立預測模型更快、更便宜。預測該團隊在3月29日發(fā)表在《科學進展》雜志上的未天一篇論文中描述了他們的發(fā)現(xiàn)。
天氣很難預測，氣災有許多變量可能導致潛在的人工合肥（酒店上門服務）聯(lián)系方式vx《189-4143》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達破壞性天氣事件，從颶風到熱浪。模型隨著氣候變化的谷歌惡化和極端天氣事件的日益普遍，準確預測天氣可以讓人們有時間為自然災害的最壞影響做好準備，從而挽救生命。
目前氣象服務部門使用的基于物理的預測收集了各種測量結(jié)果，并給出了最終預測，該預測基于所有變量對許多不同的建模預測或集合進行平均。天氣預報不是基于單一的預測，而是基于每個預測周期的一組預測，這些預測提供了一系列可能的未來狀態(tài)。
這意味著，對于溫和的天氣或溫暖的夏日等更常見的情況，大多數(shù)天氣預測都足夠準確，但大多數(shù)服務都無法生成足夠的預測模型來發(fā)現(xiàn)極端天氣事件的可能結(jié)果。
當前的預測也使用確定性或概率性預測模型，其中將隨機變量引入初始條件。但這會導致錯誤率迅速上升，這意味著很難準確預測未來的極端天氣和天氣。
初始條件中的不可預見誤差也會極大地影響預測結(jié)果，因為變量隨著時間呈指數(shù)級增長，并且對足夠多的預測進行建模以考慮到如此微小的細節(jié)是昂貴的。谷歌的科學家估計，一個模型中需要10000個預測來預測只有1%可能發(fā)生的事件。
SEEDS根據(jù)氣象機構(gòu)收集的物理測量結(jié)果生成預測模型。特別是，它研究了對流層中部地球重力場每質(zhì)量勢能單位與海平面壓力之間的關(guān)系，這是預測中常用的兩種測量方法。
傳統(tǒng)方法只能產(chǎn)生大約10到50個預測的集合。但通過使用人工智能，當前版本的SEEDS可以僅基于一到兩個用作輸入數(shù)據(jù)的“播種預測”推斷出多達31個預測集合。
研究人員通過使用當時記錄的歷史天氣數(shù)據(jù)對2022年歐洲熱浪進行建模，對該系統(tǒng)進行了測試。谷歌代表在其研究門戶網(wǎng)站的博客文章中表示，就在熱浪爆發(fā)前七天，美國的整體作戰(zhàn)預測數(shù)據(jù)沒有表明這樣的事件即將發(fā)生。他們補充說，少于100個預測的集合——這比傳統(tǒng)的集合要多——也會錯過它。
科學家們稱，與當今的方法相比，使用SEEDS進行計算的計算成本“微不足道”。谷歌表示，在谷歌云架構(gòu)的樣本中，人工智能系統(tǒng)每三分鐘處理時間的吞吐量為256個集合，可以通過招募更多加速器來輕松擴展。
作者:焦點
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
