Aujourd'hui, c'est la quinta-feira, le 28 mars 2024.

Ici, il y a deux observations de la pêche :

• Entre les mégatendances qui exercent une pression sur le PDG pour se réinventer, l'évolution est la plus importante en termes de changements climatiques.

• Le PDG perçoit d'énormes inefficacités dans une série d'activités rotatives dans ses entreprises, représentant environ 40 % du temps dépensé sur ses tarifs. 60% du PDG espère que l'intelligence artificielle génératrice (IA) pourra améliorer cette efficacité.

Par coïncidence, un jour, Nature a publié un article intitulé « Comment l'IA améliore les prévisions climatiques », avec des pêcheurs « utilisant diverses stratégies d'apprentissage de la machine pour accélérer la modélisation climatique, réduire leurs coûts d'énergie et, en même temps, améliorer la précision » .

L'apprentissage de la machine est un ramo de l'IA, pas les programmes de l'ordinateur qui apprennent à identifier les tampons dans les ensembles de données. C'est différent d'utiliser des équations pour réaliser des simulations et c'est le moment le plus pris en compte pour la prévision du tempo et la modélisation climatique. En termes de vitesse et de puissance de traitement nécessaires – et clients – vos résultats sont très rapides – et baratos – comme les simulations traditionnelles. D'autre part, les modèles appris par la machine doivent être vérifiés avec précision.

À ce moment-là, certains produits à proximité de l'aval sont envoyés par des utilisateurs expérimentés de la machine :

• modèles conventionnels émulaires

• développer des modèles de base fondamentaux pour rechercher des personnes occultes et éventuellement des connaissances

• modèles hybrides

L'article cite certaines conquêtes, comme le QuickClim australien avec « 15 modèles d'apprentissage de machine qui peuvent émuler 15 modèles d'atmosphère basés sur la physique », le modèle rapide et efficace ACE de l'Allen Institute for Artificial Intelligence de Seattle, le modèle fondamental ClimaX de Microsoft et l'Université de Californie, le projet CliMA pour modèles hybrides, les « Digital Twins » des géants numériques de Terra envoyés par la NASA et par la Commission européenne, sont issus d'un projet européen appelé Destination Earth (DestinE).

Plus de deux citations de l'article :

• Tester des modèles climatiques face au comportement climatique passé est utile, mais il n'est pas une mesure parfaite pour qu'il puisse prévenir un futur qui sera probablement très différent de ce que l'humanité a vu avant.
  
  

• L'objectif final est de créer des modèles numériques de systèmes de terre, en partie alimentés par IA, qui peuvent simuler tous les aspects du temps et du climat à des échelles de quilomètres, avec une grande précision et une vitesse de lumière.

Cliquez sur l'image ci-dessous pour voir cet article intéressant de la nature et ses références, par Carissa Wong.