人类在预测天气这件事上已持续了千百年,古时便有夜观天象,而今随着科技发展,人工智能和机器学习领域取得突破,AI也越来越多地参与到天气预报行业中。
最近,DeepMind和谷歌新研究出了一种基于机器学习的天气模拟器,可以在60秒内预测10天内的天气。DeepMind以「编码-处理-解码」的方式使用图神经网络(GNN)创建的自回归模型GraphCast,在10天的预报中,在6小时步长和0.25°经纬度分辨率下,超过了目前最精确的确定性系统——ECMWF的HRES,并且GraphCast只需要一台Cloud TPU v4设备即可预测。
我们的科技留言板“有意见”如下
@不倒翁:中国古人说,“差若毫厘,谬以千里。”在科学领域,称之为“蝴蝶效应”。高性能计算结合AI的价值是分析大量的数据,但并不是分析更准确的数据,有些领域的就不适合数据越大,分析越准确,天气预测就是之一,因为计算机对于最初的数据非常敏感,前期一个微小的变化将对后面产生不可估量的影响。所以我们洞见大自然,只能在大自然的范围内!除非AI在更高维度观察大自然,不然不可能预测准确。
@黑咕隆咚:虽然AI预测天气用时短且准确率高,但是它也不会完全取代人类,预测结果还是得依靠有经验的人员进行核验,然后再传达给公众,以确保其可靠性,而且AI擅长预测它所接受训练的数据中常见的模式,如果遇到异常极端天气,它还能否预测呢?
@周一见:雷丁大学的气象学家Rob Thompson说:「与其说DeepMind的研究完全颠覆了我们所知道的雨水预报,不如说它只是提供了一种不同的方法。它的表现与当前其他尖端类型的模型类似,可能稍微好一点,但并没有领先很多」
好文章,需要你的鼓励
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。