详细内容或原文请订阅后点击阅览
人工智能数据集为龙卷风检测开辟了新道路
TorNet 是一个公共人工智能数据集，它可以帮助模型揭示龙卷风形成的时间和原因，从而提高预报员发出警告的能力。
来源:MIT新闻 - 人工智能北半球春天的回归引发了龙卷风季节。龙卷风的尘埃和碎屑组成的扭曲漏斗状物似乎是一道不容错过的风景。但这种景象可能会被气象学家的工具雷达所掩盖。很难确切地知道龙卷风是何时形成的，甚至不知道龙卷风为什么形成。
一个新的数据集可以给出答案。它包含了过去 10 年袭击美国的数千场龙卷风的雷达回波。引发龙卷风的风暴两侧还有其他从未引发过龙卷风的严重风暴，其中一些风暴的条件几乎相同。麻省理工学院林肯实验室的研究人员整理了这个名为 TorNet 的数据集，现在已将其开源。他们希望在探测自然界最神秘、最猛烈的现象之一方面取得突破。
TorNet“许多进展是由易于获取的基准数据集推动的。我们希望 TorNet 能为机器学习算法奠定基础，用于检测和预测龙卷风，”该项目的联合首席研究员 Mark Veillette（与 James Kurdzo 一起）说道。两位研究人员都在空中交通管制系统组工作。
除了数据集，该团队还发布了对其进行训练的模型。这些模型表明机器学习能够识别龙卷风。在此基础上开展工作可以为预报员开辟新领域，帮助他们提供更准确的警告，从而挽救生命。
不断旋转的不确定性
不断旋转的不确定性每年，美国大约发生 1,200 次龙卷风，造成数百万至数十亿美元的经济损失，平均造成 71 人死亡。去年，一场持续时间异常长的龙卷风在密西西比州 59 英里的路径上造成 17 人死亡，至少 165 人受伤。
经济损失 持久的龙卷风然而，龙卷风的预测难度非常大，因为科学家们并不清楚龙卷风形成的原因。“我们可以看到两场看起来一模一样的风暴，其中一场会形成龙卷风，而另一场则不会。我们对此并不完全了解，”Kurdzo 说。
气候变化倡议 论文