Google ima fantastičan skup aplikacija dostupnih na svim platformama, ali svoju privatnost morate ostaviti pred vratima da biste im pristupili. Ne postoji drugi način plaćanja za Pretraživanje, Gmail ili Google karte osim vašim podacima. Google zapravo ne prodaje podatke koji se mogu identificirati jer je sve anonimizirano, tako da oglašivači zapravo ne mogu znati tko ste. A Google je posljednjih godina intenzivirao svoje napore u ime privatnosti iz raznih razloga.
tehn. Zabava. Znanost. Vaš inbox.
Prijavite se za najzanimljivije vijesti o tehnologiji i zabavi.
Prijavom pristajem na Uvjeti korištenja i pregledali su Obavijest o privatnosti.
Appleov stav o privatnosti i sigurnosti je jedan, Facebookov neuspjeh na izborima je drugi, a tu su i Googleova prošla kršenja zbog kojih su mnogi ljudi bili iznimno oprezni. Ali Google ne prikuplja samo korisničke podatke iz vaših interakcija sa svojim mobilnim aplikacijama i sljedećim Googleov proizvod koji se temelji na podacima mogao bi se pokazati kao inovacija koja može spasiti život i koja nema nikakve veze s vašim anonimizirani podaci.
Jedna od stvari na koje Google obraća veliku pozornost je vrijeme i tvrtka traži načine donijeti bolje, brže prognoze koje bi mogle biti puno korisnije od običnog predviđanja vremena sustava.
Google je objasnio u a objaviti na svom AI blogu kako se koristi strojnim učenjem za točno predviđanje padalina s većom točnošću od skupljih modela koje koristi NOAA:
Značajna prednost strojnog učenja je ta što je zaključivanje računalno jeftino s obzirom na to već uvježban model, koji omogućuje prognoze koje su gotovo trenutne iu izvornoj visokoj razlučivosti ulazne podatke. Ovo predviđanje padalina, koje se fokusira na prognoze od 0 do 6 sati, može generirati prognoze koje imaju razlučivost od 1 km s ukupnom kašnjenje od samo 5-10 minuta, uključujući kašnjenja u prikupljanju podataka, nadmašujući tradicionalne modele, čak iu ovim ranim fazama razvoj.
Google objašnjava da bi njegovi sustavi radili bolje u onim situacijama kada su točna vremenska predviđanja može značiti razliku između života i smrti, poput lokalnih oluja u kojima se događaji razvijaju iz sata u sat vremenski okviri. Googleovi modeli također bi se mogli koristiti za bržu prilagodbu neočekivanim klimatskim obrascima uzrokovanim globalnim zagrijavanjem i ponuditi točnije prognoze u satima nakon neočekivanog događaja.
Prognoze NOAA-e koriste puno više podataka i potrebno im je više vremena za sastavljanje. NOAA prikuplja 100 terabajta podataka dnevno i koristi superračunala za globalne prognoze od 1 do 10 dana:
Međutim, dostupnost računalnih resursa ograničava snagu numeričkog predviđanja vremena na nekoliko načina. Na primjer, računalni zahtjevi ograničavaju prostornu rezoluciju na oko 5 kilometara, što nije dovoljno za rješavanje vremenskih obrazaca unutar urbanih područja i poljoprivrednog zemljišta. Numeričkim metodama također je potrebno više sati za izvođenje. Ako je potrebno 6 sati za izračunavanje prognoze, to dopušta samo 3-4 rada dnevno, što rezultira prognozama temeljenim na podacima starim 6+ sati, što ograničava naše znanje o tome što se trenutno događa. Nasuprot tome, trenutno predviđanje je posebno korisno za trenutne odluke od usmjeravanja prometa i logistike do planiranja evakuacije.
U primjeru koji je dao Google, njegova je prognoza bila bolja od NOAA-e, budući da je mogao točnije uhvatiti opće kretanje i oblik oluje. Međutim, Googleovi algoritmi mogu učiniti samo toliko, a složeni modeli NOAA-e nude bolje rezultate pri pokušaju predviđanja vremena duljeg od 6 sati.
Ono što Googleova umjetna inteligencija radi je gledanje 2D slika generiranih radarom kako bi predvidjela padaline, ali njegov vremenski sustav ne može procijeniti 3D slike, koje bi također pružile informacije o formiranju oblaka i eventualno poboljšale prognoze nakon 6 sati prozor. Ali u budućnosti bi se stvari mogle značajno promijeniti ako Google može implementirati vlastiti meteorološki sustav u velikim razmjerima ili ga kombinirati s podacima NOAA za trenutnu, točnu vremensku prognozu.