Microsoft onthult een nieuw AI-aangedreven weermodel, dat nauwkeurigere voorspellingen moet bieden

In een poging om wereldwijd hoogwaardige, nauwkeurige en actuele cloud- en neerslagvoorspellingen en -kaarten te bieden, heeft Microsoft zijn nieuwe AI-weermodel aangekondigd.

Het nieuwe model, vier keer groter dan het model dat voorheen werd gebruikt, is gebaseerd op gegevens van zowel beschikbare satellieten als radars. In de officiële blogpost van Microsoft worden de wijzigingen in het nieuwe model gedetailleerd beschreven:

Microsoft legde uit dat modellen voor het nu gieten van neerslag voorheen afhankelijk waren van gegevens van de radar om plaatsen waar neerslag viel te verifiëren en deze vervolgens te extrapoleren om te identificeren hoe de zaken zouden evolueren. Het nieuwe Satellite + Radar-weermodel van Microsoft is in dit opzicht beter!

Het nieuwe model is veelbelovend en blijkt betere prestaties te leveren wanneer het wordt geëvalueerd met behulp van beschikbare basisstatistieken, zelfs tijdens satellietstoringen, waardoor het een betrouwbaardere optie wordt.

Het nieuwe model, tevens de nieuwste toevoeging aan Weather uit de Microsoft Start-inventaris, is nu volledig geïntegreerd en er zou nauwkeurigere informatie beschikbaar moeten zijn voor Windows 11-, Windows 10-, Microsoft Edge- en Bing-gebruikers. Bovendien is de integratie in Bing en de mobiele Microsoft Start-app ook voltooid.

Berichten over een verbeterd Microsoft Start-weermodel doen sinds begin deze maand de ronde!

Wat vind jij van het nieuwste weermodel? Deel het met onze lezers in de commentarensectie.

Tegenover de eerdere basislijn van voorspellingen op basis van alleen radar, presenteert het nieuwe model van Microsoft Start een duidelijke verbetering in de F1-score. Bovendien werd waargenomen dat voorspelde satellietbeelden na 15 minuten beter scoren dan een persistentievoorspelling, wat betekent dat deze voorspellingen kunnen worden gebruikt wanneer satellietstoringen langer dan 15 minuten duren.

Het nieuwe model voorspelt gezamenlijk zowel de satelliet- als de gesimuleerde radarreflectiviteit, waardoor de voorspellingen hiaten in de beschikbaarheid van gegevens kunnen opvullen. Omdat de neerslagtaak belangrijker is dan de satellietvoorspellingstaak, kreeg het radarkanaal 6x meer gewicht in de trainingsverliesfunctie dan satellietkanalen.