本文首次發表在 對話 該文章涉及Space.com的出版物。 聲音專家：專家和見解–
對於農民，決策，每次都會有風險和風險在氣候變化時增加。最大的後果之一是天氣，可能會損害農產品，農作物和生活方式。例如，延遲的季風可以迫使南亞的農民完全移植或改變植物，損失時間和收入。
訪問可靠的天氣預報可以幫助農民為下週做準備，以找到種植或指定必要數量的肥料的最佳時間。 植物產品和降低成本–
但是，在許多國家 /地區低和中等收入的國家中，仍然無法獲得正確的天氣預報，受到高科技成本以及傳統預測模型的基本結構的需求的限制。
由AI驅動的空氣預測模型的新浪潮有可能改變這種情況。
通過使用人工智能，這些模型可以提出正確的預測，並作為一般物理模型計算的一部分進行翻譯。這使發展中國家國家氣象局有可能提供有關農民想要的降雨變化的當地語言的信息。
挑戰是根據需要收到這項技術。
為什麼AI的預測現在很重要？
使用世界各地重要氣象中心使用的物理學的天氣預測模型非常強大。但是他們的成本很高，它們模擬了物理，氛圍可以預先預測天氣。但是他們需要昂貴的基礎設施，使他們無法在大多數發展中國家使用。
此外，大多數這些模型已經開發並適用於北部國家。他們傾向於專注於溫暖的高收入區，而對熱帶地區的關注較少，而熱帶地區的收入低下和中等收入。
天氣形式的重大變化始於2022年。 當行業和大學的研究人員發展 深度學習風格可以為世界各地不超過兩個星期創造準確的短期預測。
這些模型以比物理更快的速度工作，它們可以在筆記本電腦上工作，而不是新的超級計算機（例如 我是朋友 和 圖形匹配或 更好 領先的物理系統用於某些預測，例如溫度
由AI提供動力的AI模型所需的計算能力要比原始系統少得多。
而使用物理的系統可能需要數千小時。可以完成運行單個AI預測週期的CPU。 在幾分鐘內使用唯一的GPU。 訓練模型後，這是因為AI模型培訓的強度部分從數據中學習了氣候關係，可以利用學會的關係來創建預測而無需計算更多的方法 – 這是一個重要的快捷方式。另一方面，使用物理學的模型是為每個位置和所有預測的位置和時間計算物理的必要條件。
儘管這些物理模型數據的這些模型培訓需要在培訓AI後事先進行大量投資。 物理模型計算的分數–
即使是AI天氣模型培訓中昂貴的步驟也顯示了很多計算。一項研究發現，第一個型號的Fourcastnet模型在超級計算機中大約一個小時進行了培訓。這導致時間提出預測。 數千次 比現代和現代模型快
所有這些進度結果：在單個筆記本電腦或台式機上幾秒鐘內，全球高分辨率的預測。
該研究仍在迅速進行，以擴大AI的使用 期待下週這使農民可以選擇種植AI模型，以改善暴力天氣預測，例如 旋風 和 異常降雨–
調整現實世界中決策的預測
為了釋放全部潛力，AI預測必須與決定為指導方針的人建立聯繫。
這就是為什麼這樣的團體 目的我們一起工作的合作 公共政策研究人員 和 可持續性正在幫助政府開發滿足現實世界需求的AI工具，包括根據農民的需求，包括培訓，用戶和預測。國際發展研究所和世界氣象組織也為 擴展對AI預測模型的訪問 在低收入和中等收入的國家
可以調整AI預測以適應農業需求，例如指定最佳的種植窗口，預測干法術或農藥計劃。通過無線電消息，擴展或移動應用程序來傳播這些預測，可以幫助訪問有用的農民。這是一個真實的故事，尤其是當信息進行不斷進行測試和改進以確保他們滿足農民的需求時。
一 印度最新研究 發現，當農民擁有更精確的季風時，他們就會做出更聰明的決定，即要生長什麼或生長。 – 導致改善投資結果並降低風險。
調整氣候的新時代
人工智能天氣預報已經到了重要的時刻。五年前的實驗工具已與 政府預測系統– 但是只有技術不會改變生活
通過支持一個低收入和中等收入的國家，它可以通過向長期以來在氣象服務中丟失的農民提供寶貴的信息來創建和進行預測的能力。
