У Microsoft з’явився новий інструмент машинного навчання для покращення прогнозів погоди
The Verge·1 хв читання
Фізичні та засновані на ШІ моделі стикаються з подібними проблемами, коли починають прогнозувати погоду на два тижні або більше наперед. Традиційні моделі намагаються моделювати складну фізику атмосфери Землі, тоді як моделі ШІ шукають закономірності в історичних даних, щоб робити прогнози. В обох підходах моделі покладаються на наближення для заповнення прогалин у даних — чи то через регіони з малою кількістю метеостанцій, чи то через складні атмосферні явища, які науковці досі намагаються зрозуміти. Способи, у які ці моделі компенсують такі прогалини в даних, можуть стати різновидом систематичного зміщення. Помилки накопичуються під час прогнозування на дедалі віддаленіший період, через що такі передбачення стають менш точними.
Перекладено автоматично з англійської. Оригінал статті — за посиланням нижче.
