Microsoft Bireysel Tarım Arazileri İçin Hava Tahmini Yapıyor

Microsoft Bireysel Tarım Arazileri İçin Hava Tahmini Yapıyor

DeepMC, hava durumu verilerini yerelleştirmek için makine öğrenimi ve yapay zeka kullanıyor.

Amerika Birleşik Devletleri’nin kuzeyinde bir çiftçi olduğunuzu hayal edin. Baharın ilk haftaları ve gece sıcaklıkları henüz donma noktasının üzerine çıkmaya başlıyor. Yeni ekilmiş mahsulünüzü gübrelemek zorundasınız fakat; gübrenin donma sıcaklığının altında bitkilerinizi öldüreceğini de biliyorsunuz. Hava durumu 80 km uzakta olan en yakın kasabada, birkaç gün sıcaklıkların donma noktası üzerinde seyredeceğini tahmin ediyor ve siz de toprağı gübrelemeye karar veriyorsunuz. Fakat, o gece, bazı tarlalarınızdaki sıcaklıklar donma noktasının altına düşüyor. Mahsulünüzün çeyreğinden fazlası ölüyor.

Maalesef bu yaygın görülen bir durum, özellikle de hava raporunun uzaktan geldiği durumlarda. Bu aralar, Microsoft’taki araştırmacılar, DeepMC adında, yerel havayı kesin olarak tahmin edebilen; çiftçiler, yenilenebilir enerji üreticileri ve diğerleri tarafından kullanılabilecek bir sistem geliştirdiler. Microsoft’taki araştırmacılar ağustos ayında Bilgisayar Derneği’nin Bilgi Keşfi ve Veri Madenciliği Konferansı’nda bu sistem ve uygulaması hakkında bir çalışma sundu.

DeepMC, hava ve iklimle ilgili tahminleri yerelleştirmek için makine öğrenimi ve yapay zekadan faydalanıyor. Sahadaki sensörler ve standart yerel hava tahmini verileri olmak üzere iki farklı veri kaynağını birleştiriyor. DeepMC, direkt olarak bu veriyi Ulusal Okyanus ve Atmosfer Dairesi, Dark Sky ve Ulusal Hava Servisi gibi kaynaklardan faydalanan Uygulama Programlama Arayüzleri’nden (API) alıyor.

Microsoft Araştırma Merkezi’nde kıdemli araştırma personeli olan ve çalışmaya başyazarlık yapan Peeyush Kumar “Bu iki sinyali birleştirdiğimiz bir birleştirme mekanizmamız var.” diyor.

DeepMC, yerel hava tahminleri ile mikro iklim hava koşulları arasındaki hataları kusursuz olarak bulan bir yapay zeka yazılımı tarafından eğitilerek çalışıyor. Bu sistem hava tahminlerindeki ve yerel sensörlerdeki geçmiş verileri kullanarak sıcaklık ve rüzgar hızı gibi her parametreyi tek tek tahmin ediyor. Aynı zamanda, hava durumu verilerindeki kısa ve uzun vadeli eğilimleri ve şablonları bulmak için “dekompozisyon” adı verilen bir teknik kullanıyor. Kumar, bu metodun tahminleri daha da doğru hale getirdiğini söylüyor.

Hava tahmini bilimini, tarihini ve geleceğini araştıran bir kitap olan The Weather Machine’in yazarı ve Gazeteci Andrew Blum, makine öğrenimini ve yapay zekayı hava durumu tahmininde bu şekilde uygulamanın yeni olmadığını söylüyor. “Son zamanlarda makine öğrenimiyle ilgilenen bilim adamlarının konuyu genişletmeye karşı bir eğilimleri var” diyor Blum. The Weather Company’nin sahibi olan IBM, makine öğrenimini Tomorrow.io benzeri şirketler gibi tahminleri daha doğru hale getirmek için zaten kullanıyor.

Yakın zamanda Apple tarafından satın alınmış ve DeepMC’nin kaynak olarak kullandığı bir hava durumu uygulaması olan DarkSky, hava tahminlerini yerelleştirmek için makine öğrenimini uzu süredir kullanıyordu.

Kumar, DeepMc’nin karşılaştırılabilecek diğer modellere göre daha kesin sonuçlar verdiğini söylüyor. Üzerinde çalıştığı çalışmada araştırmacı, DeepMC’nin dört gerçek dünya kullanımını inceledi: rüzgar hızı, güneş radyasyonu, toprak nemi içeriği ve sıcaklık tahminleri. Bütün bu durumlarda DeepMC’nin tahminleri karşılaştırılabilir diğer modellerden daha iyi performans gösterdi. Sıcaklık tahmini durumunda, araştırmacılar DeepMC’yi kullanarak baharın ilk aylarında Doğu Washington’daki gerçek bir çiftçiyi, mahsullerini gübrelediği zamana kadar takip ettiler. Araştırmacılar, DeepMC tarafından yapılan sıcaklık tahminlerinin %90’ın üzerinde doğru olduğunu buldular. Kumar, bu doğruluğun, modelin sinyalleri bir alana doğru son derece spesifik yönlere ayrıştırma şeklinden kaynaklandığını söylüyor.

Microsoft araştırmacıları, DeepMC sisteminin yerel hava tahminlerinin ötesinde diğer uygulamalar için de yararlı olabileceğini söylüyor. Bunun nedeni, sistemin kapsamlı olması; böylece birçok veri türü için çalışabiliyor. Çalışmada araştırmacılar, DeepMC ile yapılan radyasyon tahminlerinin ticari bir güneş enerjisi çiftliğinde enerji üretimini tahmin etmek için nasıl kullanılabileceğini incelediler; ancak Kumar, modelin insanların ne kadar enerji kullanacağını tahmin etmek için enerji şebekeleri tarafından daha genel olarak kullanılmasının da hayal edilebileceğini söylüyor. Bazı çiftlikler, kendi yenilenebilir enerjilerini üretmek de dahil bazı konularda, kendi mikro şebekelerini geliştirmeye başlıyor; Kumar, bunun için DeepMC’nin de faydalı olabileceğini söylüyor.

Tabii ki hava durumu herkesi etkiler. Dünya’nın iklimi değiştikçe bazı hava koşulları daha olağandışı hale geliyor, bu da ciddi sellere, daha güçlü kasırgalara ve yoğun ısı dalgalarına neden oluyor. Hava durumu tahminleri kamuya açık değil, yalnızca kişisel faydalar için kullanılabilir bir hale gelirse, sadece daha zengin ülkeler ve bireyler doğru tahminlere erişebilir. Blum, bunun aslında “tüm küresel hava gözlem değişim sisteminin parçalanacağı” anlamına geleceğini söylüyor.

Kumar, DeepMC’nin olağanüstü hava olaylarını tahmin etmeyi amaçladığını söylüyor. Kumar ayrıca, Microsoft Araştırma Takımı’nın bu sistemi mümkün olduğunca erişilebilir bir hale getirmek istediğini ve dünyanın dört bir yanındaki 1000’den fazla kişi ve işletmenin bunu zaten kullandığını söylüyor. Birleşmiş Milletler Gıda ve Tarım Örgütü’ne sunulan, çiftçi ve aynı zamanda DeepMC kullanıcısı olan Andrew Nelson ile yazılan başka bir çalışmada ise araştırmacılar, bu sistemi sürdürülebilir ve uygun fiyatlı olarak sundular.

Aynı zamanda Kumar, maliyeti karşılayacak durumda olmamasına rağmen, sistemi uygulamak için zaman, para ve kaynak gerektiğini kabul ediyor. Ancak, sistemin küçük çiftliklerden şirketlere kadar uygulamayı kullanmak isteyen herkes için üretildiğini söylüyor.

Kumar, “Başladığımız vizyon, gelmek istediğimiz nokta, yapmak istediğimiz şey karar vermeyi demokratikleştirmek istememiz” diyor.

Yazar: Rebecca Sohn

Çeviren: Göktuğ Kaya

Düzenleyen: Buse Usta

Kaynak: Spectrum

Leave a comment