Microsoft revela novo modelo meteorológico baseado em IA, definido para fornecer previsões mais precisas

Em uma tentativa de fornecer previsões e mapas de nuvens e precipitação de alta qualidade, precisos e atualizados em todo o mundo, a Microsoft anunciou seu novo modelo meteorológico de IA.

O novo modelo, 4x maior que o utilizado anteriormente, depende de dados de satélites e radares disponíveis. Detalhando as mudanças no novo modelo, diz a postagem oficial do blog da Microsoft,

A Microsoft explicou que os modelos de previsão de precipitação anteriormente dependiam de dados do radar para verificar os locais que recebiam precipitação e depois extrapolá-los para identificar como as coisas evoluiriam. O novo modelo meteorológico Satellite + Radar da Microsoft é melhor neste aspecto!

O novo modelo mostra-se muito promissor e demonstrou oferecer desempenho aprimorado quando avaliado usando métricas básicas disponíveis, mesmo durante interrupções de satélite, tornando-o uma opção mais confiável.

O novo modelo, também a mais recente adição ao inventário Weather from Microsoft Start, agora está totalmente integrado e informações mais precisas devem estar disponíveis para usuários do Windows 11, Windows 10, Microsoft Edge e Bing. Além disso, sua integração com o Bing e o aplicativo móvel Microsoft Start também é completa.

Relatórios de um modelo meteorológico aprimorado do Microsoft Start têm circulado desde o início deste mês!

O que você acha do último modelo meteorológico? Compartilhe com nossos leitores na seção de comentários.

Contra a linha de base anterior de previsões apenas de radar, o novo modelo do Microsoft Start apresenta uma melhoria acentuada na pontuação F1. Além disso, observou-se que as imagens de satélite previstas têm uma pontuação melhor do que uma previsão de persistência após 15 minutos, o que significa que estas previsões podem ser utilizadas quando as interrupções do satélite duram mais de 15 minutos.

O novo modelo prevê em conjunto a refletividade do satélite e do radar simulado, permitindo que suas previsões preencham lacunas de disponibilidade de dados. Como a tarefa de precipitação é mais importante que a tarefa de previsão por satélite, o canal de radar recebeu 6 vezes mais peso na função de perda de treinamento do que os canais de satélite.