A nyilvánvaló matematikai számítási problémák mellett én a kiindulási adatokban érzem a meteorológiai előrejelzés gyengeségét. Hiába a legjobb elmélet, hiába a legjobb modell, ha nincs mivel "etetni". A tudomány már csak ilyen - mérni, mérni, mérni...
Az AI-alapú előrejelzések ugyan valóban újszerűek (vagy annak tűnhetnek), de - ha nem is zsákutca, de - inkább "csak" a brutálisan fejlődő technológia egyik látványos vívmánya, ld. számítási kapacitás + az AI-technikák robbanásszerű fejlődése. Nyilván nem ilyen egyszerű a sztori, de hogyan várhatnánk egy, a múltbéli eseményekből tanuló "valamitől", hogy egy jövendőbeli újszerű folyamatot/rendszert megfogjon/felismerjen?* Ld. ViharKém hozzászólása Link "...vagy mert a betanulási időszak egy részében jóval enyhébb nyarak is voltak, és ez elfogulttá tette a modell." Persze gyerekcipőben jár a dolog, szóval dolgozzanak csak vele azok, akiknek kell.vidám
Azt az egyszerű alapvetést leszögezhetjük, hogy ami "nincs" (kellő input adat), abból nehéz előrejelezni (output, számítási eredmény, végső soron kézzel fogható előrejelzés). Miután az input összegyűjtése nem éppen egyszerű folyamat (fejlett nyugati világban is "alig" van meteorológiai mérés, hát még a kevésbé fejlett kontinentális részeken vagy éppen az óceánokon, műholdas mérések pontatlansága etc.), így én ezt a lábát erősíteném az egész sztorinak az AI segítségével - a lehető legpontosabb kiindulási adatok/feltételek megteremtése. Nyilván nem én találom fel a meleg vizet, biztosan vannak erre törekvések.
Összességében szerintem az igazság valahol a középúton lesz - az AI által felismert folyamatokat, láncolatokat valahogy implementálni a determinisztikus előrejelzésekbe. Milyen eccerűen hangzik.vidám
*így újra olvasva ezt a részt úgy hangzik, mintha abszolút szekptikus volnék ezzel kapcsolatban, szó sincs erről, egyszerűen csak azt akarom mondani, hogy önmagában ettől még ne várjunk csodát