و این تغییر توسط ارائه دهندگان ابر سه بزرگ مورد توجه قرار نگرفته است. AWS و دیگران ابزارهای ذخیره سازی از راه دور داده ها و ابزارهای آنلاین مبتنی بر اشتراک را ارائه می دهند و محققان می گویند که آنها می توانند گزینه ای مقرون به صرفه برای تنظیم و نگهداری سخت افزار خود باشند.

قدرت محاسباتی اضافه شده ابر همچنین می تواند الگوریتم های یادگیری ماشین را برای شناسایی الگوها و استخراج بینش از مقدار زیادی از داده های آب و هوایی ، به عنوان مثال ، در مورد درجه حرارت اقیانوس ها و الگوهای بارندگی ، و همچنین ماهواره به ارزش چندین دهه ، برای محققان آسان تر کند. تصویرسازی.

ورنر ووگلز ، مدیر ارشد فناوری Amazon.com Inc گفت: “مجموعه داده ها بزرگ و بزرگتر می شوند.” بنابراین یادگیری ماشینی برای جستجوی الگوها در داده ها نقش مهمتری را بازی می کند. “

سال گذشته ، محققان در آکسفورد شروع به استفاده از ابزارهای یادگیری ماشین AWS برای بررسی اثرات اسپری روی ابرها کردند – برخی از آئروسل ها در حال خنک شدن بر روی زمین هستند و ممکن است برخی از اثرات گازهای گلخانه ای را جبران کنند.

آقای واتسون-پاریس گفت: “ما كنترل خوبی در میزان آن نداریم.” وی افزود: تغییر میزان تغییر ابرها توسط آئروسل ها می تواند به کاهش اثرات تغییر اقلیم کمک کند.

بنابراین محققان یک الگوریتم یادگیری ماشین را آموزش دادند تا تصاویر ماهواره ای پتابایت را غربال کند و به اصطلاح “مسیرهای کشتی” را شناسایی کند ، ابرهایی که روشن تر به نظر می رسند ، زیرا در معرض آئروسل های اگزوز آزاد شده توسط کشتی ها قرار گرفته اند.

پیش از این ، این مشاهدات تنها با استفاده از تجزیه و تحلیل آماری تعداد معدودی از تصاویر انجام شده بود. آقای واتسون-پاریس گفت: “ما می توانستیم به طور دستی آنجا نشسته و برچسب گذاری کنیم.”

گام بعدی استفاده از الگوریتم های یادگیری ماشین است که به محققان کمک می کند بفهمند آیا روابط بین آئروسل ها و ابرها بیش از اینکه آماری باشد ، علیت دارد. پانزده دانشجوی دکترا در سراسر اروپا از ماه سپتامبر شروع به کار با دانشمندان اقلیم و کارشناسان یادگیری ماشین کردند تا این موضوع را کشف کنند.

سایمون مینگای ، معاون تحقیقات در گارتنر ، گفت: محققان آب و هوا روند بزرگتر موسسات دانشگاهی و شرکت های بزرگ را به سمت ابر دنبال می کنند.

“پایداری ، کاهش آب و هوا و سازگاری با آب و هوا به طرز باورنکردنی زیاد است. شما در مورد مقادیر زیاد داده صحبت می کنید و در مورد مجموعه داده های پیچیده بزرگ صحبت می کنید. ” “کاملاً ، ابر نقش فزاینده ای را بازی می کند.”

برخی از ارائه دهندگان ابر برنامه هایی را تنظیم کرده اند که مستقیماً به تحقیقات محیطی کمک می کند.

مایکروسافت شرکت

به عنوان مثال برنامه AI for Earth ، فقط برای چنین پروژه هایی کمک هزینه و کمک فنی Azure ، بخش ابر خود را ارائه می دهد.

آقای Vogels آمازون گفت ، AWS شاهد رشد رو به رشد استارتاپ ها و سازمان های غیرانتفاعی است که از خدمات یادگیری ماشین برای کمک به ده ها پروژه مربوط به آب و هوا استفاده می کنند ، از تجزیه و تحلیل داده های خاک و تلاش برای حفاظت از اقیانوس ها تا جنگل ها.

به گفته وی ، به طور گسترده تر ، ابزاری مانند Amazon SageMaker که در سال 2017 راه اندازی شده است ، به توسعه دهندگان نرم افزار در هر صنعت امکان ساخت ، آموزش و استفاده از مدل های یادگیری ماشین را با سرعت بیشتری و با پیچیدگی فنی کمتر نسبت به سال های قبل می دهد.

آقای ووگلز گفت: “ما واقعاً تلاش می كنیم یادگیری ماشینی را دموكراتیزه كنیم تا مطمئن شویم كه این فقط حوزه دانشمندان داده نیست ، بلكه چیزی است كه همه می توانند از آن استفاده كنند.”

سید-احمد بوکابارا ، دانشمند اصلی در مرکز کاربردهای ماهواره ای و تحقیقات اداره ملی اقیانوسی و جوی ، گفت: دسترسی به ابزارهای پیشرفته یادگیری ماشین یکی از اصلی ترین مزایای استفاده از ابر است.

در ماه اکتبر ، سرویس ماهواره و اطلاعات NOAA از همکاری با Google برای بررسی چگونگی ابزارهای یادگیری ماشین مبتنی بر ابر می تواند پیش بینی دقیق تر آب و هوا را ارائه دهد و برای نظارت بر آب و هوای شدید مانند طوفان استفاده شود.

NOAA به صورت روزانه اطلاعات محیطی به ارزش ترابایت ، از جمله تصاویر ماهواره ای را جمع آوری می کند. آقای بوکابارا گفت: “یک چالش بزرگ داده وجود دارد ، بنابراین ما به ابر و تکنیک های هوش مصنوعی همراه آن بسیار علاقه مند هستیم.”

مقدار زیاد داده ها دشواری هایی را به همراه دارد و از چندین روش برای رفع آنها استفاده می شود. آقای بوکابارا گفت ، یکی از آنها “نازک کردن” یا کاهش مقدار داده ها به منظور انجام تجزیه و تحلیل بر روی سخت افزار محاسباتی با عملکرد بالا برای خود NOAA است.

وی گفت ، اما Google Cloud می تواند به NOAA در پردازش داده های بیشتر و تجزیه و تحلیل آنها با استفاده از الگوریتم های پیچیده یادگیری ماشین که برای کار با سخت افزار خاص مبتنی بر هوش مصنوعی ساخته شده اند ، کمک کند. وی افزود ، الگوریتم های تجزیه و تحلیل داده ها در ابر می توانند به تولید پیش بینی دقیق تر در شعاع یک کیلومتری در مقایسه با شعاع 10 کیلومتری کمک کنند.

وی گفت: “هوش مصنوعی به افزایش ارزش آنچه كه سیستم های ما در حال حاضر تولید می كنند ، كمك خواهد كرد.”

بنویسید برای سارا کاستلانوس در [email protected]