Нейросеть научили предсказывать волны-убийцы
Специалисты из Университета Мэриленда разработали нейросеть, которая помогает предсказать появление волн-убийц. Новая технология позволит спасти корабли и морские платформы от серьезных повреждений. О своей работе ученые написали в статье, которую опубликовали в научном журнале Scientific Reports.
Как отметили физики, волны-убийцы отличаются высотой. Они достигают 20–30 метров и даже могут превышать этот показатель. Сила удара такой волны опасна как для различных сооружений, так и для людей. По словам ученых, явление наблюдается все реже, однако риски до сих пор сохраняются. Чтобы снизить повреждения, связанные с волнами, американские специалисты натренировали новую нейросеть.
В университете рассказали, что для обучения ИИ-модели использовали очень большой объем данных. Нейросети дали информацию о 14 млн измерений высоты, зафиксированных с более чем 170 буев у побережья США и возле островов в Тихом океане. Это необходимо, чтобы система могла понять, какие колебания могут спровоцировать появление волн-убийц. Со своей работой нейросеть хорошо справилась. В испытаниях точность определения данных на одну минуту вперед составила 75%, а на пять минут — 73%.
По словам физиков, результат хоть и оказался хорошим, но его недостаточно. Они отметили, что не удается спрогнозировать каждую четвертую волну-убийцу, а также система выдает немалое количество ложных тревог. Как считают ученые, необходимо изменить подход и использовать более мощные архитектуры нейронных сетей. Помимо этого, ИИ-модель должна учитывать скорость ветра, глубину воды и другие параметры, чтобы точность стала еще выше. Также исследователи считают, что их система может пригодиться для отслеживания и других явлений, которые в том числе касаются изменения климата или пожаров.
Недавно специалисты из США придумали нейросеть, которая умеет определять виды деревьев. Для этого она использует снимки, сделанные с самолетов или через спутники. ИИ-модель оказалась довольно точной. При этом она также позволяет ученым следить за разными параметрами, в том числе за состоянием деревьев.
