Les habitudes de thésaurisation des données de Google pourraient l'aider à créer un produit salvateur – BARBANEWS

0
27

Google propose un ensemble fantastique d'applications disponibles sur toutes les plateformes, mais vous devez laisser votre vie privée à la porte pour y accéder. Il n'y a aucun moyen de payer pour la recherche, Gmail ou Google Maps autrement qu'avec vos données. Google ne vend pas réellement de données identifiables, car tout est anonymisé, de sorte que les annonceurs ne peuvent pas réellement savoir qui vous êtes. Et Google a intensifié ses efforts au nom de la confidentialité au cours des dernières années pour diverses raisons.

La position d'Apple sur la confidentialité et la sécurité en est une, le scrutin électoral de Facebook en est une autre, puis il y a les propres violations passées de Google qui ont rendu beaucoup de gens extrêmement méfiants. Mais Google ne se contente pas de collecter les données des utilisateurs à partir de vos interactions avec ses applications mobiles, et le prochain produit Google basé sur les données pourrait s'avérer être une innovation vitale qui n'a rien à voir avec vos données anonymisées.

Google accorde une attention particulière à la météo, et la société cherche des moyens d'apporter des prévisions meilleures et plus rapides qui pourraient être beaucoup plus utiles que les systèmes de prévisions météorologiques habituels.

Google a expliqué dans un article sur son blog sur l'IA comment il utilisait l'apprentissage automatique pour prévoir avec précision les précipitations avec une plus grande précision que les modèles plus chers utilisés par la NOAA:

Un avantage significatif de l'apprentissage automatique est que l'inférence est peu coûteuse en termes de calcul étant donné un modèle déjà formé, permettant des prévisions presque instantanées et dans la haute résolution native des données d'entrée. Cette prévision immédiate des précipitations, qui se concentre sur des prévisions de 0 à 6 heures, peut générer des prévisions d'une résolution de 1 km avec une latence totale de seulement 5 à 10 minutes, y compris des retards de collecte de données, surpassant les modèles traditionnels, même à ces premiers stades de développement.

Google explique que ses systèmes fonctionneraient mieux dans les situations où des prévisions météorologiques précises pourraient faire la différence entre la vie et la mort, comme les tempêtes localisées où les événements évoluent sur des échelles horaires. Les modèles de Google pourraient également être utilisés pour s'adapter plus rapidement aux modèles climatiques inattendus causés par le réchauffement climatique et offrir des prévisions plus précises dans les heures qui suivent un événement inattendu.

Les prévisions de la NOAA utilisent beaucoup plus de données et prennent plus de temps à compiler. La NOAA collecte 100 téraoctets de données par jour et utilise des superordinateurs pour des prévisions mondiales de 1 à 10 jours:

Cependant, la disponibilité des ressources de calcul limite la puissance de la prévision numérique du temps de plusieurs manières. Par exemple, les exigences de calcul limitent la résolution spatiale à environ 5 kilomètres, ce qui n'est pas suffisant pour résoudre les modèles météorologiques dans les zones urbaines et les terres agricoles. Les méthodes numériques prennent également plusieurs heures pour s'exécuter. S'il faut 6 heures pour calculer une prévision, cela n'autorise que 3 à 4 exécutions par jour et entraîne des prévisions basées sur des données de plus de 6 heures, ce qui limite notre connaissance de ce qui se passe actuellement. En revanche, la prévision immédiate est particulièrement utile pour les décisions immédiates, de l'acheminement du trafic et de la logistique à la planification de l'évacuation.

Dans l'exemple fourni par Google, ses prévisions étaient meilleures que la NOAA, étant en mesure de capturer plus précisément le mouvement général et la forme d'une tempête. Cependant, les algorithmes de Google ne peuvent pas faire grand-chose, et les modèles complexes de la NOAA ont tendance à offrir de meilleurs résultats lorsqu'ils tentent de prévoir le temps au-delà de 6 heures.

L'IA de Google examine les images 2D générées par radar pour prévoir les précipitations, mais son système météorologique ne peut pas évaluer les images 3D, ce qui fournirait également des informations sur la formation des nuages ​​et améliorerait éventuellement les prévisions au-delà de la fenêtre de 6 heures. Mais à l'avenir, les choses pourraient changer considérablement si Google peut déployer son propre système météorologique à grande échelle, ou le combiner avec des données NOAA pour des prévisions météorologiques immédiates et précises.

Source de l'image: Alastair Grant / AP / Shutterstock