A Microsoft előrejelzést mutatott be időjárás-előrejelzési képességeiben, amelyek jelentősen javították a felhőzetre és a csapadékra vonatkozó előrejelzések pontosságát. Ezek a frissítések a Microsoft Start Weather platformjába integrálva, mesterséges intelligenciát használva egyesítik a radar-és műholdforrásokból származó adatokat.
A felhasználók hozzáférhetnek ezekhez a továbbfejlesztett időjárási információkhoz a Windows 10, Windows 11 és Microsoft Edge rendszerbe való integrálása révén. , Bing, valamint a Bing és a Microsoft Start mobilalkalmazások.
A Microsoft megbízásából készült független tanulmány szerint a Microsoft Start Weather-jét a vezető előrejelzési pontosságáért ismerték el.
AI-vezérelt csapadékmosás közvetítés
2021 óta a Microsoft Start Weather rövid távú csapadékot működtet nowcasting modell generatív AI-val. Ez a kétpercenként frissített modell hiperlokális előrejelzéseket biztosít 1 kilométeres felbontásban akár négy órára előre. A radar-és műholdadatok integrálása megoldja a korlátozott időjárási radarhardverek problémáját a különböző régiókban, javítva az előrejelzések általános pontosságát.
A frissített modell négyszer nagyobb, mint elődje, és szimulált radar és műhold előrejelzésére is képes. fényvisszaverő. Ez a kettős megközelítés kitölti az adathiányokat, és javítja az előrejelzések megbízhatóságát. A radarcsatorna-modell hatszor nagyobb súlyt kapott a mesterséges intelligencia képzése során, mint a műholdas modell, ami a radarból származó adatok nagyobb jelentőségét tükrözi. A Microsoft egy kontradiktórius tanulási megközelítést alkalmazott, és egy generatív ellenséges modellt (GAN) használt az előrejelzések valósághűségének javítására. A térbeli és időbeli megkülönböztetők javítják a vizuális hűséget, illetve az időbeli konzisztenciát.
Az új modell lehetővé tette a felhasználók számára, hogy folyamatos felhő-és csapadék-előrejelzéseket és térképeket kapjanak. A szimulált radar reflexiós képességét a pontosság és a különböző csapadékmennyiséget jelző visszaverési küszöbértékek felidézésével értékelik. A műholdkép-előrejelzéseket a perzisztenciával hasonlítják össze olyan mérőszámok segítségével, mint az MSE, MAE, PSNR, MS-SSIM a hasonlóság és a FID pontszámok az élesség tekintetében. Ez az átfogó megközelítés biztosítja, hogy a Microsoft Start időjárása pontosabb és megbízhatóbb időjárási információkat biztosítson világszerte.
Továbbfejlesztett előrejelzési pontosság
Belső tesztelés olyan benchmarkokon, mint például a SEVIR-adatkészlet azt mutatja, hogy a Microsoft Start modellje a csúcs közelében található, és akár kétszer olyan messzebbre nyújt előrejelzéseket, mint más generatív mesterséges intelligencia-modellek, például DGMR (2021) és PreDiff (2023). A modell képzési veszteségfüggvénye pixelenkénti regressziós veszteséget és ellentmondásos veszteséget tartalmaz, az α paramétert úgy hangolják, hogy egyensúlyba hozza az elmulasztott eső eseteket és az eső torzítást. Az L1 veszteség használata az L2 helyett megakadályozza, hogy a modellt túlzottan megbüntessék a szélsőséges csapadékviszonyok hiánya miatt.
Globális előrejelzési modell elkészítése naprakész adatokkal olyan kihívásokkal jár, mint a magas késleltetés és szegmentációs hatások. A generátor architektúrája megfelel a fordítási ekvivariancia, a térben korlátlan műveletek és az alacsony memóriaigény feltételeinek, lehetővé téve az ablakméretezés rugalmasságát a betanítás és a következtetések során. Ez lehetővé tette a Microsoft számára, hogy pontos előrejelzéseket adjon még a műholdas adatkimaradások idején is.
