یک مدل آب و هوای جدید مبتنی بر هوش مصنوعی با الهام از سیستمهای پردازش زبان که توسط گوگل اختراع شده است، به SpaceX کمک میکند تا از اختلال در برنامه شلوغ پرتاب خود از ساحل فضایی فلوریدا جلوگیری کند.
راکت ها یکی از چشمگیرترین اختراعات بشر هستند، اما این ماشین های قدرتمند در اختیار مادر طبیعت هستند: در کنار مشکلات فنی، آب و هوا شایع ترین علت پرتاب های به تعویق افتاده است.
بیشتر پروازهای ایالات متحده از فلوریدا رخ میدهند، جایی که رعد و برق یک پدیده معمول است. چنین سیستمهای آب و هوایی رعد و برقی تولید میکنند که میتواند سیستمهای ناوبری موشک را مختل کند. تغییر ناگهانی در سرعت و جهت باد، که به آن برش باد میگویند و به طور سریع در جو اتفاق میافتد، همانطور که ایلان ماسک، بنیانگذار و مدیرعامل اسپیس ایکس، در یک پست در توییتر بیان کرد، ‘وقتی [موشک در حال صعود است] مافوق صوت میشود، مانند پتکی به زمین برخورد میکند.’ (در حال حاضر به عنوان X شناخته میشود) این موضوع پس از تاخیر پرتاب در سال ۲۰۱۶ مطرح شد. به گفته Headed for Space، ابرهای ضخیم که ممکن است حاوی یخ آب باشند نیز دلیل دیگری برای ممنوعیت پروازها به شمار میروند.
اسکادران هواشناسی ۴۵ نیروی فضایی ایالات متحده و ابررایانه های قدرتمند آن مسئول پیش بینی آب و هوا برای منطقه کیپ کاناورال، از جمله مرکز فضایی کندی ناسا و ایستگاه نیروی فضایی کیپ کاناورال هستند. هواشناسان این اسکادران پنجره های پرتاب را ۴۸ تا ۷۲ ساعت قبل تایید می کنند تا امکان سوخت رسانی و آماده سازی سکوی پرتاب فراهم شود. اما آب و هوا در این منطقه به طرز بدنامی ناپایدار است و حدود ۱۶ درصد از پرتابهای موشک در نهایت پاک میشوند. یک مدل جدید هوش مصنوعی که توسط شرکت Atmo AI مستقر در سانفرانسیسکو توسعه یافته است، به اسکادران کمک می کند تا پیش بینی های آب و هوا را سرعت بخشد، دقت را بهبود بخشد و وضوح مکانی و زمانی بهتری ارائه دهد.
یوهان مته، بنیانگذار و مدیر ارشد فناوری Atmo به Space.com گفت: «فناوری ما پیشبینی آب و هوا را بسیار فشردهتر میکند. به جای یک ابر رایانه، از یک ماشین واحد با یک GPU [واحد پردازش گرافیکی] اجرا میشود.»
الگوریتم خودآموزی که حجم وسیعی از دادههای آب و هوا را هضم میکند، مبتنی بر همان فناوری است که مدلهای پردازش زبان توسعهیافته توسط Google را تقویت میکند. Mathe توضیح داد در حالی که ابررایانههای سنتی به ورودی زیادی از انسان نیاز دارند و ساعتها طول میکشد تا مدلهای پیچیده آبوهوای خود را اجرا کنند، الگوریتمهای Atmo AI میتوانند پیشبینیهای خود را «هر چند دقیقه» با رسیدن دادههای جدید دوباره محاسبه کنند.
Mathe گفت: ‘پیش بینی معمولی بین سه تا نه ساعت طول می کشد.’ پیش بینی ما می تواند در حدود ۱۰ ثانیه اجرا شود. این یک چیز مهم است. شما اطلاعات حسگر را هر دقیقه دریافت می کنید و گلوگاه به خود پیش بینی تبدیل می شود. من می بینم که سرعت باد X است و مقداری باران در آنجا می بارد؛ شما باید تمام این داده ها را جذب کنید، و سپس می توانید نتایج را ببینید، اگر ۹ ساعت طول بکشد تا پیش بینی را ببینید، همیشه ۹ ساعت تاخیر خواهید داشت.
او افزود که الگوریتم هوش مصنوعی این شرکت تا ۵۰ درصد پیشبینیهای بهتری را برای معیارهای کلیدی از جمله باد، دما و رطوبت ارائه میکند و تفاوتها را در منطقهای کوچکتر از ۱ کیلومتر مربع (۰.۴ مایل مربع) مشاهده میکند.
توسعه دهندگان این مدل را با استفاده از داده های آب و هوای ۴۵ ساله آموزش دادند و به دنبال الگوهایی در توسعه آب و هوا بودند که می تواند نشان دهنده تکامل آینده آن باشد.
Mathe و یکی دیگر از بنیانگذاران آتمو ، Alex Levy، هر دو سالهاست که در حال توسعه سیستم های هوش مصنوعی هستند. مت قبلاً شرکتی را با استفاده از هوش مصنوعی برای تشخیص بیماری قلبی ساخته بود و لوی در زمینه کشف داروهای مبتنی بر هوش مصنوعی کار می کرد. آنها Atmo را در سال ۲۰۲۰ تأسیس کردند و سه سال بعد همکاری خود را با اسکادران آب و هوای ۴۵ آغاز کردند و پیش بینی هایی را برای پرتاب های فضایی کیپ کاناورال ارائه کردند.
Mathe گفت: «امروزه هوش مصنوعی برای انجام مدلهای زبانی فشار زیادی مییابد، اما برای نوع فیزیک و دینامیک سیالات محاسباتی که میتواند پیشبینی آبوهوا را حل کند، عالی است. این پیشبینیهایی را در اختیار هواشناسان قرار میدهد که کیفیت بالاتری دارد و بیشتر اوقات اجرا میشود تا بتوانند برنامهریزی خود را برای پرتاب انجام دهند.»
