Search Results モード

このAIニュースレターは、あなたが必要とするすべてです＃57

「AIの世界では、LLMモデルのパフォーマンス評価が注目の話題となりました特に、スタンフォードとバークレーの学生による最近の研究についての活発な議論がありました...」

「AIフィードバックループ：AI生成コンテンツの時代におけるモデルの製品品質の維持」

「AIのフィードバックループが、生成型AIの登場に伴い、モデルの品質維持、効率向上、パフォーマンス向上にどのように役立つかを探索してください」

気象予測の世界的な影響を考慮して、様々な研究コミュニティの研究者の関心を引いてきました。最近のディープラーニング技術の進歩、大量の気象データの広範な提供、情報技術およびコンピュータ技術の進展により、多くの研究が気象予測のための大容量の気象データセットの中に隠れた階層的パターンを探索することに動機付けられてきました。機械学習技術は、極端な気象イベントの予測、観測およびモデル化された大気条件における極端な気象および気候パターンの特定、および激しい天候の運用ガイダンスとリスク評価に適用されてきました。過去数年間、MetNet-2、WF-UNet、ClimaX、GraphCast、Pangu-Weatherなどのディープラーニングベースの気象予測モデルの開発が進んできました。この記事では、これらのモデルについて簡単に説明し、これらのモデルが従来の気象シミュレータに比べて大幅に優位になっているかどうかを理解します。 ClimaX：気象および気候の基礎モデル物理学に基づいた数値大気モデルは、現在の気象および気候予測ソフトウェアの基盤です。これらの技術は非線形ダイナミクスと複雑な多変数間の相互作用をモデル化し、近似することが困難になっています。高い空間および時間分解能で大気過程を数値的にシミュレートすることは、計算的に要求が高くなります。最新の機械学習ベースのデータ駆動型技術は、ディープニューラルネットワーク内でデータ駆動型の機能マッピングをトレーニングすることにより、ダウンストリームの予測または投影タスクを直接処理します。これらのネットワークは、離散的な時空間タスクのために限られた一貫した気候データでトレーニングされるため、数値モデルの汎用性を欠いています。 Microsoft Autonomous Systems and Robotics Research、Microsoft Research AI4Science、およびUCLAによる新しい研究では、ClimaXという気象および気候科学のためのディープラーニングモデルが紹介されています。ClimaXは、さまざまなデータセット、異なる変数、空間的および時間的なカバレッジ、物理的基盤でトレーニングすることができます。ClimaXは、CMIP6気候データセットを無監督でトレーニングに使用します。広範な利用性を維持しながら計算を増やすために、ClimaXはTransformerを新しいエンコーディングと集約ブロックで拡張しています。初期トレーニングの後、ClimaXは大気変数や異なる時間・空間スケールを含むさまざまな気候および天候のジョブを実行するために微調整することができます。低い解像度や少ない計算予算で事前トレーニングされていても、ClimaXの普遍性により、気象予測および気候予測のベンチマークでデータ駆動型のベースラインを上回る性能が得られます。研究者たちは、この手法の普遍性がさらに多様な目的に役立つ可能性があると考えています。これには、極端な気象イベントの予測や人為的気候変動の評価など、既に事前トレーニングされたClimaXバックボーンを活用できる地球システム科学のタスクの例が含まれます。気象や気候との密接な関係があるため、農業、人口統計学、および保険科学も興味深い候補です。 Pangu-Weather：グローバル気象予測のための Huawei Cloud Computingの研究チームが導入したPangu-Weatherは、ディープラーニングに基づくグローバル気象予測システムです。チームはECMWFの第5世代再解析（ERA5）から43年間の毎時のグローバル気象データを収集し、256百万パラメータを持ついくつかのディープニューラルネットワークをトレーニングするためのデータ駆動型の環境を作成しました。これは、全ての変数（高度、比湿度、風速、温度など）および全ての時間スケール（1時間から1週間まで）において、最先端の数値気象予測（NWP）技術よりも正確性が向上している初めてのAIベースのアプローチです。階層的な時間集約戦略と3D Earth Specific Transformer（3DEST）アーキテクチャを使用することで、予測の正確性が向上しています。Pangu-forteは、短期から中期までの決定論的な予測を行います。気象（つまり、予測時間は1時間から1週間まで）。 Pangu-Weatherからは、台風の追跡やリアルタイムの大規模メンバーアンサンブル予測など、さまざまなダウンストリーム予測オプションが利用できます。Pangu-Weatherは、AIベースの技術がNWP技術よりも優れた性能を発揮できるかどうかという問いに答え、ディープラーニング気象予測システムの向上に向けた新しい提案を行います。チームは、彼らのトレーニング方法がまだ完全な収束を達成していないと考えています。観測要素の数を増やし、4Dディープネットワークのトレーニングに時間次元を統合し、より深いおよび/または広いネットワークを使用する余地があります。すべてこれらは、より多くのメモリとFLOPsを持つGPUを必要とします。したがって、計算リソースのおかげで将来の気象予測はより良くなります。…

「パットスナップがAmazon SageMaker上で低遅延と低コストでGPT-2推論を使用した方法」

このブログ投稿は、パッツナップのシニア自然言語処理エンジニアである白子龍によって共同執筆され、序文も含まれていますGoogleやAmazonで何かを検索する際に、オートコンプリートの提案機能にはおなじみのものがありますこれらのシナリオでの検索語句は、私たちが日常生活で使用するかなり一般的なキーワードや表現ですが、[...]

「Jasper 対 Scalenut 最高のライティングツールはどれですか？（2023年7月）」

最高のAIライティングツールをお探しですか？Jasper AIとScalenutの違いを見つけて、あなたのニーズに合ったものを選んでください

「10ベストAIゲームジェネレーター（2023年7月）」

ゲーム開発の絶えず進化する風景の中で、人工知能（AI）はゲームチェンジャーとして登場しました AIツールは、ゲームの開発方法を革新し、プロセスをより効率的で創造的、ダイナミックにしていますここでは、業界で波を起こしている10のAIツールを紹介します1. シナリオシナリオはAIパワードツールで、[…]

best of

Learn more about Search Results モード - Page 46

コンピュータ支援証明が流体の流れに取り組む

このAIニュースレターは、あなたが必要とするすべてです＃57

「AIフィードバックループ：AI生成コンテンツの時代におけるモデルの製品品質の維持」

「さまざまな深層学習を用いた天気予測モデルに関する研究」

「パットスナップがAmazon SageMaker上で低遅延と低コストでGPT-2推論を使用した方法」

「Jasper 対 Scalenut 最高のライティングツールはどれですか？（2023年7月）」

「10ベストAIゲームジェネレーター（2023年7月）」

dbtのインクリメンタル – 正しい方法

「データサイエンスのプログラムでは教えてくれないが知っておくべき8つのこと−パート1」

「生成AI、基礎モデル、および大規模言語モデルの世界を探求する：概念、ツール、およびトレンド」

Find the right Blockchain Investment for you