Microsoft има нов инструмент за машинно обучение за подобряване на метеорологичните прогнози
The Verge·1 мин четене
Моделите, основани на физиката, и тези, базирани на изкуствен интелект, се сблъскват с подобни проблеми, когато започнат да прогнозират времето две или повече седмици предварително. Традиционните модели се опитват да симулират сложната физика на земната атмосфера, докато моделите с изкуствен интелект търсят закономерности в историческите данни, за да правят прогнози. И при двата подхода моделите разчитат на приближения, за да запълнят липсващите данни — независимо дали те липсват заради региони с малко метеорологични станции или заради сложни атмосферни явления, които учените все още се опитват да разберат. Начините, по които тези модели компенсират липсата на данни, могат да се превърнат в своеобразно систематично отклонение. Получените грешки се натрупват, когато се правят прогнози за по-далечен период, което прави тези предвиждания по-неточни.
Преведено автоматично от английски. Оригиналната статия е на връзката по-долу.
