ИИ выделил 5 динамических океанических регионов, покрывающих 93,7% Мирового океана
K-means кластеризация данных ECCO
MIT: модель ECCO (2 десятилетия, миллиарды параметров: солестость, скорость, температура, глубина) → K-means → 5 робастных кластеров = 5 динамических регионов (93,7% океана). Остальные 6,3% — сложны, требуют высокого разрешения.
Крупнейший кластер (43% океана)
Доминирующий параметр: ветровое напряжение на поверхности, уравновешенное торками на дне. Субполярные/субтропические гиры Северного полушария, большая часть Арктики, тонкая лента в Южном океане.
Дальнейшие планы
То же ML на высоком разрешении для оставшихся 6,3%. Фокус на климаточувствительных факторах: гировое циркуляция, переворотные течения. Инструмент уже помогает океанологам сравнивать регионы и фокусировать исследования.
Источник: Wiley Online Library | doi:10.1029/2018EA000519 | MIT
Промышленные технологии
- Bosch представляет ИИ‑решение для производства на Hannover Messe
- Искусственный интеллект в ритейле: доказанные выгоды, а не модная волна
- Kubernetes усиливает AI-стартапы масштабируемыми контейнеризированными решениями
- Роботы учатся узнавать 90+ объектов на ощупь: мультимодальный ИИ Berkeley
- ИИ диагностирует Альцгеймер за 6 лет до симптомов с точностью 100%
- ИИ «Сэр Айзек» расшифровывает поведение червя C. elegans под лазером
- ИИ превращает нейросигналы в естественную речь для парализованных
- Speedgate: первый вид спорта, созданный ИИ, революционизирующий физическую игру
- ИИ предсказывает квантовое преимущество: нейросеть прогнозирует поведение систем
- ИИ, машинное и глубокое обучение: ключевые различия и принципы работы