如今,大量資源被用來(lái)為極地海域的船只提供有關(guān)海冰擴(kuò)散的警告。人工智能可以使這些警告更便宜,更快并且對(duì)每個(gè)人都可用。
對(duì)于進(jìn)入極地海域的船只而言,保持對(duì)海冰擴(kuò)散的控制至關(guān)重要,這意味著要花費(fèi)大量資源來(lái)收集數(shù)據(jù)并確定未來(lái)的發(fā)展,以提供可靠的海冰警告。
挪威北極大學(xué)(UiT Arctic University)的博士研究員Sindre Markus Fritzner說:“到目前為止,需要大量資源來(lái)制作這些冰雪警告,并且大部分是由挪威氣象研究所和類似的中心制作的。”
他受雇于物理和技術(shù)系,最近提交了一篇博士論文,研究了利用人工智能使冰警告比現(xiàn)在更快,更好和更容易獲得的選擇。
需要超級(jí)計(jì)算機(jī)
傳統(tǒng)上,當(dāng)今使用的冰雪警告?zhèn)鹘y(tǒng)上是基于動(dòng)態(tài)計(jì)算機(jī)模型的,該模型帶有衛(wèi)星對(duì)冰蓋的觀測(cè)數(shù)據(jù),并且可以收集有關(guān)冰厚度和雪深的任何更新數(shù)據(jù)。這會(huì)生成大量數(shù)據(jù),然后需要強(qiáng)大的超級(jí)計(jì)算機(jī)對(duì)其進(jìn)行處理以提供計(jì)算結(jié)果。
Fritzner解釋說:“動(dòng)態(tài)模型是物理模型,需要處理大量數(shù)據(jù)。如果要對(duì)未來(lái)事件發(fā)出警告,則需要使用超級(jí)計(jì)算機(jī)。”
這是一種有限且昂貴的資源,這使得在無(wú)法訪問正確資源的情況下無(wú)法進(jìn)行這些警告。
人工智能使計(jì)算可在常規(guī)筆記本電腦上進(jìn)行
Fritzner研究了如何在常規(guī)筆記本電腦上使用人工智能比以往更快,更好,更便宜地提供這些海冰警告。
機(jī)器學(xué)習(xí)是人工智能領(lǐng)域中的一個(gè)專門領(lǐng)域,在該領(lǐng)域中,統(tǒng)計(jì)方法用于讓計(jì)算機(jī)查找大量數(shù)據(jù)中的模式和一致性。機(jī)器學(xué)習(xí)而不是編程,而一切都取決于開發(fā)算法,使計(jì)算機(jī)可以根據(jù)經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行學(xué)習(xí)并進(jìn)行計(jì)算。
例如,在弗里茲納(Fritzner)的工作中,他加載了數(shù)據(jù)以查看一個(gè)特定星期的發(fā)展情況,然后提供一個(gè)星期后的狀況數(shù)據(jù)。
Fritzner說:“因此,這是機(jī)器在這兩個(gè)星期之間的發(fā)展連貫性,它們可以自我學(xué)習(xí),并且可以以此方式預(yù)測(cè)其發(fā)展方式。”
全面開發(fā)后,與傳統(tǒng)的物理模型相比,這種算法將需要更少的計(jì)算能力。
“如果您使用人工智能并擁有經(jīng)過全面訓(xùn)練的模型,則可以在常規(guī)筆記本電腦上進(jìn)行這樣的計(jì)算,” Fritzner說。
每艘船都可以自己計(jì)算
這打開了多個(gè)使用領(lǐng)域,其中之一是The High North中更精確的天氣預(yù)報(bào)。Fritzner還指出,靠近邊緣冰區(qū)的航運(yùn)業(yè)可以使用這種運(yùn)輸方式,并且這種運(yùn)輸方式只會(huì)增加。
弗里茲納說:“一個(gè)例子就是郵輪交通,對(duì)于郵輪來(lái)說,知道冰在哪里以及在接下來(lái)的幾天里冰將在哪里流動(dòng)非常重要。”
就目前而言,高分辨率模型無(wú)法在船只上運(yùn)行。他們必須聯(lián)系挪威氣象學(xué)院,然后挪威氣象學(xué)院需要在超級(jí)計(jì)算機(jī)上運(yùn)行該模型,然后再將數(shù)據(jù)傳輸回船舶。
“如果您在巴倫支海的一艘船上,則需要連接到網(wǎng)絡(luò)才能從挪威氣象研究所下載警告。
Fritzner說:“如果配備了正確的程序和人工智能,則可以通過船只本身完成,而幾乎不需要任何計(jì)算能力。”
需要更多的發(fā)展
盡管迄今為止的研究看起來(lái)很有希望,但是結(jié)果仍然不如傳統(tǒng)方法,但是機(jī)器學(xué)習(xí)/人工智能的發(fā)展正在如火如荼地進(jìn)行,弗里茨納對(duì)此毫無(wú)疑問。
“到目前為止,體驗(yàn)是好的,但不是完美的。我在比較機(jī)器學(xué)習(xí)和傳統(tǒng)物理模型時(shí)觀察到的是它們的速度要快得多,而且只要冰上的變化很小,機(jī)器學(xué)習(xí)就可以很好地發(fā)揮作用。當(dāng)變化更大,融合很多時(shí),模型比物理模型更費(fèi)力。” Fritzner解釋說。
他指出,在人工運(yùn)行模式的挑戰(zhàn)智力只依靠歷史數(shù)據(jù),而物理模型不斷地適應(yīng)于像增加熔化和天氣變化較快較大的地球物理變化。
在他的實(shí)驗(yàn)中,弗里茨納使用了溫度,海冰濃度和海溫等數(shù)據(jù)。他認(rèn)為,可以通過向模型中添加更多數(shù)據(jù)來(lái)提高準(zhǔn)確性,以便為模型提供更多的警告數(shù)據(jù)。
他說:“特別是如果增加風(fēng)和冰的厚度,機(jī)器學(xué)習(xí)會(huì)更好地工作。”
他認(rèn)為,進(jìn)一步的研究和開發(fā)將釋放這種形式的機(jī)器學(xué)習(xí)的巨大潛力。