Search Results 洪水

「2023年に注目すべきトップホームセキュリティ企業」

適切なホームセキュリティシステムを選ぶことは非常に困難ですこの記事では、最善の決定をするためにあなたをガイドします！

生成AIにおける5つの倫理的考慮事項

現在のAIブームよりも前から、データサイエンティストたちは常に倫理的な懸念と考慮を心に抱いていました現在、創造的なAIの成長が一般の想像力に広がるにつれて、AIに関連するさまざまな問題が浮かび上がり、これらの懸念はさらに増大していますAIが成長し続ける一方で、そこには...

私たちの生活は天候に依存していますイギリスではいつでも、ある研究によると、国の1/3が過去1時間以内に天気について話し合ったとされ、天候の重要性が日常生活に反映されています天候現象の中でも、雨は特に重要ですなぜなら、雨は私たちの日常の決定に影響を与えるからです傘を持っていくべきか？大雨に見舞われた車両のルートはどうすべきか？屋外イベントにおける安全対策は何か？洪水が発生するかもしれないのか？私たちの最新の研究と最先端のモデルは、次の1〜2時間以内に雨（および他の降水現象）を予測する降水現在予測の科学を進化させていますメットオフィスとの共同執筆による論文が自然に掲載され、天気予測におけるこの重要な大課題に直接取り組んでいます環境科学とAIの連携は、意思決定者のための価値に焦点を当て、降水現在予測の新たな可能性を開拓し、環境が絶えず変化する中での意思決定の課題に対するAIの支援の機会を指摘しています

research

AGIの現実世界の課題

人々が人工汎用知能（AGI）の世界を想像するとき、ロボットよりも社会の難解な問題に対する解決策を提供するものが思い浮かぶことが多いですしかし、私は後者の方が真実により近いと信じていますAIは既に、タンパク質の折りたたみの解決から正確な天候予測まで、基本的な課題に取り組むための大きな飛躍を実現しています科学者たちはAIを利用して、高度に複雑な現実世界の領域の基本原則や法則を推論することが増えており、これらは彼ら自身では決して発見できなかったものですAGI研究の進歩により、社会は気候変動に取り組み管理する能力が大幅に向上するでしょうそれは緊急性だけでなく、その複雑で多面的な性質のためです

Company

UCLAの研究者が、最新の気候データと機械学習モデルに簡単で標準化された方法でアクセスするためのPythonライブラリ「ClimateLearn」を開発しました

極端な気象条件は、特に最近の数年間においては典型的な出来事となっています。気候変動が、パキスタンで見られる豪雨による大規模な洪水から、ポルトガルとスペイン全土で野火を煽った熱波まで、このような極端な天候現象の主な要因です。もし適切な対策が早急に講じられない場合、地球の平均地表温度は次の10年間で約4度上昇すると予測されています。科学者によると、この温度上昇はより頻繁な極端な天候事象の発生にさらに寄与するでしょう。一般循環モデル（GCM）は、科学者が将来の天候と気候を予測するために使用するツールです。GCMは、温度、風速、降水量などのさまざまな変数の予測を生成するために時間をかけて積分できる微分方程式のシステムです。これらのモデルは非常に理解しやすく、非常に正確な結果を提供します。ただし、これらのモデルを実行するには、かなりの計算能力が必要です。さらに、多くのトレーニングデータがある場合、モデルの微調整が困難になります。ここで、機械学習の技術が役立つことが証明されています。特に「天気予報」と「空間ダウンスケーリング」において、これらのアルゴリズムは確立された気候モデルと競争力を持つことが証明されています。天気予報は将来の気候変数を予測することを指し、例えば、前の週の日降水量（cm）の情報を使用して、来週のメーガラヤでの降水量を予測する必要があります。空間ダウンスケーリングとは、例えば100 km x 100 kmのグリッドから1 km x 1 kmにスケーリングすることを指す、空間的に粗い気候モデルの予測の問題です。予測とダウンスケーリングは、さまざまなコンピュータビジョンのタスクに類似することがあります。ただし、天気予報、空間ダウンスケーリング、および他のCVタスクの主な違いは、機械学習モデルがさまざまな形式の外部入力を利用する必要があることです。例えば、湿度や風速などの要素と過去の地表温度は、将来の地表温度に影響を与えます。これらの変数は、地表温度と共にモデルへの入力として提供される必要があります。深層学習の研究は近年急速に進展しており、機械学習と気候変動を研究する科学者たちは、深層学習の技術が天気予報や空間ダウンスケーリングの問題にどのように対処できるかを調査しています。機械学習の適用においては、2つは対照的なアプローチを取ります。機械学習を研究する科学者たちは、どのアーキテクチャがどの問題に最適であり、どのようにデータを処理すれば現代の機械学習手法に適しているかに重点を置きます。一方、気候科学者は物理方程式をより多く活用し、必要な評価指標を念頭に置きます。ただし、気候モデリングにおける「バイアス」と機械学習における「バイアス」といった曖昧な言語、気候科学の課題に対する機械学習のアプリケーションの標準化の欠如、気候データの解析に対する専門知識の不足などが、その全体的な能力を引き出すことを妨げています。これらの問題に対処するため、カリフォルニア大学ロサンゼルス校（UCLA）の研究者たちは、ClimateLearnというPythonパッケージを開発しました。これにより、巨大な気候データと最先端の機械学習モデルに簡単に、標準化されたアクセスが可能となります。パッケージを介して、さまざまなデータセット、最新の基準モデル、および一連のメトリックと可視化がすべて利用可能であり、天気予報と空間ダウンスケーリング技術の大規模なベンチマーキングが可能となります。 ClimateLearnは、現在の深層学習アーキテクチャが簡単に利用できる形式でデータを提供します。パッケージには、歴史的なグローバル気候の第5世代再解析であるERA5のデータや、ヨーロッパ気象衛星の気象データ（ECMWF）が含まれています。再解析データセットは、モデリングとデータ同化技術を使用して、歴史的データをグローバルな推定値に統合します。この実データとモデリングの組み合わせにより、再解析ソリューションは合理的な精度で完全なグローバルデータを持つことができます。ClimateLearnは、生のERA5データに加えて、データ駆動型天気予測のためのベンチマークデータセットであるWeatherBenchの前処理済みERA5データもサポートしています。 ClimateLearnに実装されている基準モデルは、気候タスクに適した調整が行われており、気候科学の他の下流パイプラインにも容易に拡張できます。線形回帰、持続性、気候論などの単純な統計的技術は、ClimateLearnがサポートする標準的な機械学習アルゴリズムの範囲の一部です。リザイドコンボリューショナルニューラルネットワーク、Uネット、ビジョントランスフォーマなど、より高度な深層学習アルゴリズムも利用可能です。さらに、ClimateLearnは、（緯度に重みを付けた）平均二乗誤差、異常相関係数、ピアソンの相関係数などのメトリックを使用して、モデルの予測を素早く可視化するサポートも提供します。さらに、ClimateLearnはモデルの予測、真の値、およびその間の差異の可視化も提供します。 ClimateLearnを開発する研究者の主な目標は、気候科学と機械学習のコミュニティ間のギャップを埋めることです。これを実現するために、気候データセットへの容易なアクセス、比較のためのベースラインモデルの提供、モデルの出力を理解するための可視化メトリクスを提供しています。近い将来、研究者はCMIP6（第6世代気候モデリング相互比較プロジェクト）などの新しいデータセットのサポートを追加する予定です。チームはまた、新たな不確実性の定量化メトリクスやベイズニューラルネットワークや拡散モデルなどのいくつかの機械学習手法による確率予測もサポートします。モデルの性能、表現力、頑健性についてより詳しく知ることで、機械学習の研究者が開拓できる追加の機会について、研究者たちは非常に熱心です。さらに、気候科学者は入力変数の値を変更することで結果の分布がどのように変化するかを理解することができます。チームはまた、パッケージをオープンソース化し、コミュニティの貢献を期待しています。新しいPyTorchライブラリClimateLearnをご紹介します。気候データセット、最先端のMLモデル、高品質なトレーニングおよび可視化パイプラインにアクセスするためのものです。ブログ：https://t.co/BarGdNWQiT ドキュメント：https://t.co/RBiQFbeqaJ クイックスタートColab：https://t.co/RjgqOo2tX0 (1/n) — Aditya Grover…

7月号データサイエンティストのための気候リソース

多くの人にとって、夏の訪れは以前は単純な興奮の原因でした：学校が終わる、仕事のスケジュールは少し忙しくないことが多い、ビーチでののんびりした午後や...

誰が雨を止めるのか？科学者が気候協力を呼びかける

トップの科学者3人が、コンピューティング史上最も野心的な取り組みの一環として、地球のデジタルツインの構築を支援しています。ピーター・バウアー、ビョルン・スティーブンス、フランシスコ「パコ」ドブラス・レジェスは、地球のデジタルツインが1キロメートルの解像度まで対応する必要があると考えており、気候変動のリスクとそれに適応する方法を探るために、利用者の数が増えるにつれて要件が増すと述べています。彼らは、この取り組みには高速なコンピューティング、AI、そして多くの協力が必要であると言います。彼らのヒューズリアンな取り組みは、すでにNVIDIAの技術を使用しており、この共通の目的に対するNVIDIAの貢献であるEarth-2をインスピレーションとしています。 2021年末にEarth-2の取り組みを発表した際、NVIDIAの創設者兼CEOであるジェンスン・ホアンは、「私たちは自社の規模と計算科学の専門知識をNVIDIAの直接の支援として捧げ、世界の気候科学コミュニティと共に行動します」と述べています。前例のないスケールで協力ホアンのコミットメントは、地球のデジタルツインを作成するためのパンヨーロッパプロジェクトであるDestination Earth（DestinE）などの取り組みを支援することを示しています。「それに対応するには単一のコンピューターでは十分ではないため、分散型の国際的な取り組みが必要です」とバウアーは述べています。バウアーは、ヨーロッパのトップ気象予報センターで20年以上の経験を持ち、2030年までに地球規模のモデルを利用可能にすることを目指すプロジェクトを率いています。彼は昨年、ネイチャー誌で共著者となり、「前例のないスケールでの協力が必要である」と述べています。バウアーは、新しい地球情報システムにおける広範な国際協力を呼びかけています。バウアーは3月のGTCでの講演で、NVIDIAを含む多くの国と民間企業からのリソースを動員する「連邦」を想像しています。ピーター・バウアーこうしたリソースによって、新しい数値モデルや機械学習モデルの開発、そして数十年にわたる予測を行うための大規模な推論ジョブの実行など、膨大な作業が可能になります。 DestinEは2008年の気候会議にそのルーツを持ち、欧州中期天気予報センター（英国レディング）で数々のプログラムを主導したバウアーを含む多くの人々の取り組みの成果です。同センターは世界で最も高度な気象予報モデルの開発に取り組んでいます。 1ペタバイトのデータを処理する計算要件が膨大であるため、この協力は広範です。フランシスコ・ドブラス・レジェス「私たちは、非常に迅速に提供する必要がある1ペタバイトのデータを生成することを話しています」とドブラス・レジェスは述べています。彼は、バルセロナスーパーコンピューティングセンターの地球科学部門のディレクターであり、気候変動に関する最も確定的な報告書を作成する気候変動政府間パネル（IPCC）の主要著者でもあり、DestinEプログラムへの貢献者でもあります。デジタルツインの取り組みは、従来の気象・気候予測のアプローチを「逆さまにし、利用者がプロセスの主導権を握ることができるようにする」と彼はGTC（NVIDIAの開発者会議）での講演で述べました。目標は、「気候適応により役立つ気候情報の生産をユーザーに提供すること」です。彼の講演では、気候システムの混沌さを詳細に捉えるために必要な新しいモデル、ワークフロー、システムについて説明されました。ビジョンを明確にするデジタルツインのビジョンは、ハンブルクのマックスプランク気象研究所のディレクターであるスティーブンスによるSC20スーパーコンピューティング会議の基調講演で明確化されました。スティーブンスは、気候応用のための世界トップの気象モデルと、現在の最高水準よりも桁違いに細かい1キロメートルレベルのシミュレーションを可能にする取り組みを率いています。「私たちは、私たちの行動と政策の結果を検証するための地球情報システムのための新しいタイプの計算能力が必要です。これにより、より持続可能な未来を構築することができます」と彼は述べています。スティーブンスはSC20での画期的な講演で、地球のデジタルツインのビジョンを明確化しました。…

このスペースを見る：AIを使用してリスクを推定し、資産を監視し、クレームを分析する新しい空間金融の分野

金融の意思決定をする際には、ドローン、衛星、またはAIパワードセンサーから取得した大局的な情報を見ることが重要です。空間金融という新興分野では、銀行、保険会社、投資会社、および事業者がリスクと機会を分析し、新しいサービスや製品を提供し、保有資産の環境への影響を測定し、危機後の被害を評価するために、リモートセンサーや空中画像からのAIの洞察を活用しています。空間金融の応用には、資産のモニタリング、エネルギー効率のモデリング、排出物や汚染物の追跡、違法な鉱業や森林伐採の検出、自然災害のリスクの分析などがあります。NVIDIAのAIソフトウェアとハードウェアは、これらの応用を加速するために、ビジネスデータを地理空間データと組み合わせるための支援を提供できます。投資に関連する環境と社会のリスクをよりよく理解することで、金融部門は持続可能な開発をサポートする可能性の高い投資を優先することができます。これは環境、社会、ガバナンス（ESG）として知られる枠組みです。持続可能な投資への関心は高まっており、Bloomberg Intelligenceの分析によれば、ESG資産は2025年までに世界の総管理資産の3分の1以上を占めると推定されています。また、欧州連合宇宙プログラム機関の報告書によると、保険業や金融業は次の10年間で地球観測データとサービスの最大の消費者となり、2031年までに総売上高が10億ドルを超える見込みです。 NVIDIA Inceptionのメンバーの中には、工場周辺の水質汚染を追跡したり、野火の金融リスクを評価したり、嵐後の被害を評価したりすることができるGPUアクセラレートAIアプリケーションを開発しているスタートアップがあります。大規模データのための強力な計算 GPUアクセラレートAIとデータサイエンスは、複雑で構造化されていないデータから迅速に洞察を抽出することができます。これにより、銀行や事業者は衛星、ドローン、アンテナ、エッジセンサーからキャプチャされたデータのリアルタイムストリーミングと分析を設定することができます。航空写真を監視することにより、公共の宇宙機関から無料で入手できるもの、または民間企業からより詳細なものを使用して、解析者は貯水池からの水の使用量の推移、建設プロジェクトのために伐採された木の数、竜巻によって損傷を受けた家の数などを明確に把握することができます。この機能により、政府の義務付けられた開示書類、環境影響報告書、さらには保険請求などの正確性を検証することで、投資を監査するのに役立ちます。たとえば、投資家は、製品ラインでネットゼロを達成したと報告している会社のサプライチェーンを追跡し、衛星画像で確認できる石炭灰を発する海外の工場に依存していることを発見するかもしれません。また、ビルからの熱放射を分析するセンサーは、税金控除対象となる低排出ビジネスを特定するのに役立ちます。 NVIDIAのエッジコンピューティングソリューションは、自律型マシンやその他の組み込みアプリケーション向けのNVIDIA Jetsonプラットフォームを含め、空間金融のさまざまなAIイニシアチブを支えています。アプリケーションの高速化のためにNVIDIAハードウェアを使用するだけでなく、開発者は、ビジョンAIのためのNVIDIA Metropolisプラットフォームの一部であるストリーミング分析のためのNVIDIA DeepStreamソフトウェア開発キット、およびジオスペーシャルデータの詳細な3DビジュアライゼーションのためのNVIDIA Omniverseプラットフォームを使用しています。保険業務-リスク評価から請求の加速まで NVIDIA Inceptionのメンバーは、ジオスペーシャルデータを保険会社に洞察を提供するGPUアクセラレートアプリケーションを開発しており、保険対象物の状態を監視するために必要な高価な現地訪問の回数を減らすことができます。ルクセンブルクに拠点を置くRSS-Hydroは、衛星画像から洪水の影響をマッピングするためにGPUコンピューティングをクラウドとオンプレミスで使用しています。同社はまた、洪水のリスクを効果的に伝え、緊急時のリソース配分計画を通知するために、FloodSENSを3Dでアニメーション化するためにNVIDIA Omniverseを使用しています。…

データランドスケープの進化

この記事は進化の物語を進化パターンの観点からデータ空間で追跡します進化の旅路の重要なマイルストーン、その達成、課題、それらの課題を解決した次のマイルストーンの状態について語りますこの記事はビジネスと技術の両面からの観点で書かれています...

Data Engineering

将来のイベントの予測：AIとMLの能力と限界

あなたは、占い師、占星術師、または有名なババ・ヴァンガがどのように未来の出来事を予測していたのか、考えたことがありますか？また、AIやMLがババ・ヴァンガと同じように未来の出来事を予測する能力を持っているかどうかについて疑問を持ったことはありますか？もしAIやMLがそのような能力を持っている場合、それによって...

Artificial Intelligence

Learn more about Search Results 洪水 - Page 5