<\/p>\n
Kiedy w lutym 2021 roku Teksas znalaz\u0142 si\u0119 w lodowatym u\u015bcisku bezprecedensowych burz zimowych, jego infrastruktura energetyczna uleg\u0142a za\u0142amaniu, co doprowadzi\u0142o do tragicznej \u015bmierci co najmniej 246 os\u00f3b oraz powa\u017cnych niedobor\u00f3w \u017cywno\u015bci, wody, ogrzewania i energii elektrycznej. To niszczycielskie wydarzenie da\u0142o impuls do wezwania do lepszego przygotowania si\u0119 i prognozowania ekstremalnych zjawisk pogodowych \u2013 poniewa\u017c kiedy natura pokazuje swoje pazury, jedyn\u0105 tarcz\u0105, jak\u0105 dysponujemy, jest wiedza.<\/p>\n
W tym momencie do akcji wkroczyli naukowcy z MIT, zmieniaj\u0105c dotychczasowe wyobra\u017cenia na temat prognoz pogody na okres od dw\u00f3ch do sze\u015bciu tygodni. Prognozy pogody od dawna uwa\u017cano za trudn\u0105 dziedzin\u0119 ze wzgl\u0119du na ich znaczn\u0105 nieprzewidywalno\u015b\u0107 w perspektywie d\u0142u\u017cszej ni\u017c dwa tygodnie. Jednak dzi\u0119ki prze\u0142omowemu modelowi uczenia maszynowego, kt\u00f3ry eliminuje b\u0142\u0119dy wyst\u0119puj\u0105ce w tradycyjnych systemach prognozowania, naukowcom uda\u0142o si\u0119 podwoi\u0107 dok\u0142adno\u015b\u0107 prognoz dla tego okresu.<\/p>\n
W swojej pracy, opublikowanej w presti\u017cowym czasopi\u015bmie Natura<\/em>, zesp\u00f3\u0142 z MIT zaprezentowa\u0142 swoje prze\u0142omowe podej\u015bcie. Po raz pierwszy w historii ich model osi\u0105gn\u0105\u0142 wyniki lepsze od typowych \u015brednich klimatycznych w przedziale od dw\u00f3ch do sze\u015bciu tygodni \u2014 co stanowi ogromny krok naprz\u00f3d dla bran\u017c takich jak rolnictwo i energetyka, kt\u00f3re s\u0105 nara\u017cone na skutki ekstremalnych zjawisk pogodowych, takich jak powodzie i silne fale mroz\u00f3w.<\/p>\n G\u0142\u00f3wna posta\u0107 tych pionierskich bada\u0144, naukowiec z MIT Judah Cohen, stwierdzi\u0142, \u017ce zdolno\u015b\u0107 nowego modelu do przewidywania zar\u00f3wno \u015brednich, jak i ekstremalnych warunk\u00f3w pogodowych mo\u017ce mie\u0107 daleko id\u0105ce konsekwencje spo\u0142eczne. Cohen powiedzia\u0142: \u201cZjawiska ekstremalne mog\u0105 mie\u0107 najwi\u0119kszy wp\u0142yw na spo\u0142ecze\u0144stwo\u201d.\u201d<\/p>\n Badania te powsta\u0142y dzi\u0119ki wsp\u00f3lnym wysi\u0142kom ekspert\u00f3w z wielu renomowanych instytucji \u2014 mi\u0119dzy innymi z Uniwersytetu w Toronto, Harvard College, Brazylijskiego Narodowego Instytutu Matematyki Czystej i Stosowanej oraz giganta technologicznego Microsoft. Zjednoczony wsp\u00f3lnym celem \u2013 popraw\u0105 dok\u0142adno\u015bci prognoz pogody \u2013 ten zr\u00f3\u017cnicowany zesp\u00f3\u0142 pokona\u0142 barier\u0119 dw\u00f3ch tygodni, kt\u00f3ra od dziesi\u0119cioleci utrzymywa\u0142a si\u0119 w dziedzinie prognozowania pogody.<\/p>\n Wychodz\u0105c poza ograniczenia teorii chaosu \u2014 kt\u00f3ra zak\u0142ada, \u017ce nawet najmniejsze zmiany warunk\u00f3w pocz\u0105tkowych mog\u0105 prowadzi\u0107 do diametralnie r\u00f3\u017cnych wynik\u00f3w \u2014 Cohen i jego zesp\u00f3\u0142 opowiedzieli si\u0119 za pogl\u0105dem, \u017ce atmosfera wykazuje pewne prawid\u0142owo\u015bci, co pozwala na sporz\u0105dzanie dok\u0142adniejszych prognoz wykraczaj\u0105cych poza okres dw\u00f3ch tygodni.<\/p>\n Co wi\u0119cej, w ramach tej wsp\u00f3\u0142pracy wprowadzono nowatorskie po\u0142\u0105czenie uczenia maszynowego z tradycyjnymi modelami prognozowania, co pozwoli\u0142o stworzy\u0107 system, kt\u00f3ry wyci\u0105ga wnioski z dotychczasowych niedok\u0142adno\u015bci i koryguje swoje przysz\u0142e prognozy. Ta \u201cwarstwa przetwarzania ko\u0144cowego\u201d znacznie zwi\u0119kszy\u0142a dok\u0142adno\u015b\u0107 prognoz poprzez systematyczne wykrywanie i eliminowanie b\u0142\u0119d\u00f3w.<\/p>\n Efekt tego wynalazku rozprzestrzenia si\u0119 na ca\u0142ym \u015bwiecie. Model ten wykaza\u0142 ju\u017c sw\u00f3j potencja\u0142 w zakresie udoskonalania prognoz l\u0105dowych na skal\u0119 globaln\u0105 i mo\u017ce zosta\u0107 wdro\u017cony w dowolnym systemie prognozowania. Co wi\u0119cej, jego otwarty charakter i przyst\u0119pna cena poszerzaj\u0105 jego zasi\u0119g, co ju\u017c teraz otwiera perspektyw\u0119 globalnej wsp\u00f3\u0142pracy meteorologicznej. Od Republiki Kenii, badaj\u0105cej mo\u017cliwo\u015b\u0107 wykorzystania tego modelu do udoskonalenia prognoz dotycz\u0105cych pory monsunowej i plon\u00f3w rolnych, po otwieranie nowych mo\u017cliwo\u015bci dla bran\u017c zale\u017cnych od warunk\u00f3w pogodowych, takich jak energetyka.<\/p>\n \u201cMo\u017ce to pom\u00f3c w podj\u0119ciu decyzji, kiedy nawozi\u0107 w okresie opad\u00f3w deszczu, gdy zbli\u017ca si\u0119 mr\u00f3z, aby chroni\u0107 uprawy podczas zimowych zbior\u00f3w, lub w unikni\u0119ciu susz. Mo\u017ce to by\u0107 r\u00f3wnie\u017c przydatne w zarz\u0105dzaniu energi\u0105 i sytuacjami kryzysowymi\u201d \u2013 powiedzia\u0142 z nadziej\u0105 Cohen.<\/p>\n Te nowatorskie badania s\u0105 wspierane przez takie organizacje jak ameryka\u0144ska Narodowa Fundacja Naukowa (National Science Foundation), Fundacja im. Carlosa Chagasa Filho na rzecz Wspierania Bada\u0144 Naukowych oraz Unia Europejska. Aby uzyska\u0107 szczeg\u00f3\u0142owe informacje na temat tych prze\u0142omowych bada\u0144, kliknij tutaj<\/a>.<\/p>\n <\/html><\/p>","protected":false},"excerpt":{"rendered":" When Texas was caught in the icy grip of unparalleled winter storms in February 2021, its energy infrastructure buckled, leading to a heartbreaking loss of at least 246 lives and severe shortages of food, water, heat, and electricity. The devastating event lent impetus to the call for improved preparation and forecasting for extreme weather events\u2014because when nature bares its teeth, the only shield we have is knowledge. This is where researchers from MIT stepped in, transforming conventional notions about weather predictions over the two-to-six-week timeframe. Weather forecasts have long been considered a slippery slope due to their acute unpredictability beyond […]<\/p>\n","protected":false},"author":4,"featured_media":9832,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-9831","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/9831","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=9831"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/9831\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/9832"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=9831"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=9831"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=9831"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Kwestionowanie dwutygodniowego progu \u2014 globalna inicjatywa<\/h5>\n
Globalne nast\u0119pstwa<\/h5>\n