United KingdomIstraživači su razvili model umjetne inteligencije nazvan WeatherNext Cyclones (WN-C) dizajniran za poboljšanje prognoze tropskih ciklona. Ovaj model umjetne inteligencije proizvodi napredne prognoze za put, snagu i veličinu tropskih ciklona na globalnom nivou. Obučen je pomoću podataka globalne analize i povijesnih zapisa o prošlim ciklonima, stvarajući brojne potencijalne vremenske scenarije do 15 dana unaprijed. Procjena ciklona od 2023. do 2025. pokazala je da WN-C pruža prosječno jedan dodatni dan upozorenja u usporedbi s postojećim modelima, s poboljšanjem točnosti sličnim onima napravljenim tijekom prošlog desetljeća u detaljnom operativnom prognozi. Model koristi manje ulaznih podataka od tradicionalnih regionalnih modela, što ukazuje na to da podaci visoke rezolucije možda nisu od suštinskog značaja za točna predviđanja intenziteta. Uključivanje WN-C ensemble predviđanja u konsenzus poboljšava ukupne performanse. Veća skalabilnost modela omogućuje poboljšanje predviđanja rijetkih vremenskih događaja tropskih ciklona, a cilj je pomoći u značajnom smanjenju rizika od strane prognoza.
Procjena pristranosti (Sredina): U članku se raspravlja o znanstvenom napretku u vremenskoj prognozi pomoću umjetne inteligencije, fokusirajući se na tehničke aspekte kao što su obuka modela, mjerila evaluacije i usporedbe performansi.
Zašto činjenice (100): This article is essentially a direct reproduction of the abstract from the primary source document, accurately reflecting all key points including the methodology, results, and implications of the study. It faithfully represents the claims made in the original paper without adding or omitting any cr
Zašto objektivnost (100): The article presents the information in a completely neutral and objective manner, mirroring the formal and unbiased tone of the original research paper. There is no editorializing or biased language present.
