Microsoft przedstawia nowy model pogody oparty na sztucznej inteligencji, który ma zapewniać dokładniejsze prognozy

Chcąc zapewnić wysokiej jakości, dokładne i aktualne prognozy chmur i opadów oraz mapy na całym świecie, Microsoft ogłosił nowy model pogody oparty na sztucznej inteligencji.

Nowy model, 4 razy większy od poprzednio stosowanego, wykorzystuje dane zarówno z dostępnych satelitów, jak i radarów. Opisując szczegółowo zmiany w nowym modelu, można przeczytać w oficjalnym poście na blogu Microsoftu :

Microsoft wyjaśnił, że modele prognozowania opadów wcześniej opierały się na danych z radaru w celu weryfikacji miejsc, w których występują opady, a następnie ekstrapolowały je w celu określenia ewolucji sytuacji. Nowy model pogody Satelita + Radar firmy Microsoft jest pod tym względem lepszy!

Nowy model jest bardzo obiecujący i zapewnia lepszą wydajność, jeśli ocenia się go na podstawie dostępnych podstawowych wskaźników, nawet podczas awarii satelitów, co czyni go bardziej niezawodną opcją.

Nowy model, będący także najnowszym dodatkiem do Weather z zasobów Microsoft Start, jest teraz w pełni zintegrowany, a użytkownicy systemów Windows 11, Windows 10, Microsoft Edge i Bing powinni mieć dostęp do dokładniejszych informacji. Poza tym zakończono także integrację z Bingiem i aplikacją mobilną Microsoft Start .

Doniesienia o ulepszonym modelu pogody Microsoft Start krążą od początku tego miesiąca!

Co sądzisz o najnowszym modelu pogody? Podziel się z naszymi czytelnikami w sekcji komentarzy.

W porównaniu z wcześniejszymi przewidywaniami opartymi wyłącznie na radarach, nowy model Microsoft Start zapewnia wyraźną poprawę wyników w F1. Ponadto zaobserwowano, że przewidywane zdjęcia satelitarne uzyskują lepsze wyniki niż prognoza trwałości po 15 minutach, co oznacza, że ​​prognozy te można wykorzystać, gdy awarie satelitów trwają dłużej niż 15 minut.

Nowy model wspólnie przewiduje współczynnik odbicia zarówno satelitarnego, jak i symulowanego radaru, dzięki czemu jego prognozy pozwalają wypełnić luki w dostępności danych. Ponieważ zadanie dotyczące opadów jest ważniejsze niż zadanie przewidywania satelitarnego, kanałowi radarowemu przypisano 6 razy większą wagę w funkcji straty szkoleniowej niż kanałom satelitarnym.