Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

WindBorne Systems, một công ty chuyên về thông tin môi trường và thời tiết, gần đây đã công bố WeatherMesh, một mô hình dự đoán AI đặt ra tiêu chuẩn mới về độ chính xác của dự báo thời tiết toàn cầu. Mô hình này tận dụng các kỹ thuật dữ liệu và học sâu tiên tiến để vượt trội hơn kỷ lục trước đó do GraphCast của Google DeepMind nắm giữ, đạt được mức cải thiện 11% trong việc dự đoán các chỉ số áp lực chính.

Mô hình WeatherMesh cũng vượt trội so với tiêu chuẩn mô hình thời tiết dựa trên vật lý truyền thống do các Mô hình tầm trung của Trung tâm Dự báo Thời tiết Trung bình Châu Âu đặt ra, cho thấy độ chính xác dự báo trong 5 ngày được cải thiện từ 6% đến 14%. Hệ thống cải tiến của WindBorne có thể dự đoán nhiều yếu tố thời tiết khác nhau và hoạt động với hiệu quả vượt trội, đòi hỏi sức mạnh tính toán ít hơn đáng kể so với các mô hình truyền thống hoặc dựa trên AI.

Khả năng dự đoán của WindBorne được hỗ trợ bởi kiến ​​trúc máy học độc quyền và nguồn dữ liệu phong phú, bao gồm các phép đo khí quyển theo thời gian thực từ một chòm sao khinh khí cầu độc đáo. Các mô hình WeatherMesh cung cấp dự báo rất chi tiết ở độ phân giải hàng giờ thường xuyên hơn các mô hình AI hàng đầu khác. Mức độ chính xác này đặc biệt có lợi cho các ứng dụng thời gian thực và hiện rất cần thiết cho hoạt động của mạng khinh khí cầu tự hành của WindBorne.

Thông qua những nỗ lực của mình, công ty đang đóng một vai trò quan trọng trong việc cải thiện dự báo thời tiết và giải quyết những lỗ hổng trong cảm biến khí quyển được Tổ chức Khí tượng Thế giới xác định. Khinh khí cầu của WindBorne có thể tự động thu thập dữ liệu khí quyển trên các khu vực rộng lớn, bao gồm cả đại dương và vùng sâu vùng xa. Điều này rất quan trọng để cải thiện độ chính xác của dự đoán. Khi nhu cầu dự báo thời tiết chính xác tăng lên trước biến đổi khí hậu, những tiến bộ của WindBorne mang lại tiềm năng đáng kể để cải thiện sự an toàn, ra quyết định và giảm lượng khí thải carbon trong nhiều lĩnh vực khác nhau.