Các nhà khoa học Mỹ mới đây đã phát triển một mạng nơ ron tích chập có thể dự đoán nồng độ ozone trong không khí ở một khu vực nhất định trong ngày với độ chính xác dao động từ 85 đến 90%.

Trước đây, có nhiều mô hình có thể được dùng để dự đoán nồng độ ozone trong không khí mà không cần tới trí tuệ nhân tạo. Tuy nhiên, điểm yếu của các hệ thống này là chúng tạo ra kết quả trong thời gian dài và thường thiếu chính xác.

Trước thực trạng đó, các nhà nghiên cứu đến từ Mỹ đã phát triển hệ thống mạng lưới nơ ron dựa trên trí tuệ nhân tạo giúp dự đoán nồng độ ozone ở một số khu vực nhất định trong 24 giờ.

Mô hình mới dựa trên mạng nơ ron tích chập (convolutional), được phát triển bởi các nhà khoa học tại Đại học Houston, có thể trong vài giây để dự đoán nồng độ ozone ở khu vực mà nó được chỉ định. Độ chính xác dự báo của chương trình mới dao động từ 85 đến 90%.

Các nhà khoa học khẳng định, các mạng nơ ron tích chợp có thể xử lý nhanh chóng một mảng lớn dữ liệu và sử dụng kết quả để tạo thành các thuật toán tính toán mới, nhanh hơn và chính xác hơn. Chúng thường được sử dụng để cải thiện độ phân giải hình ảnh. Việc sử dụng các thuật toán này để trích xuất thông tin cùng với phân tích tiếp theo là một ứng dụng hoàn toàn mới của công nghệ này.

Để chứng minh tính hiệu quả của mô hình mới, các nhà nghiên cứu đã sử dụng dữ liệu khí tượng và ô nhiễm không khí được thu thập từ năm 2014 đến 2017 tại 21 trạm ở Houston và các nơi khác ở Texas.

Các tác giả của công trình đã lập trình mạng nơ ron tích chập bằng các chỉ số khí tượng - nhiệt độ, áp suất khí quyển, tốc độ gió và các biến số khác - cho mỗi ngày, đồng thời bổ sung các phép đo nồng độ ozone từ mỗi trạm trong năm 2014, 2015 và 2016.

Để kiểm tra mô hình của họ, các nhà khoa học đã dùng một chương trình máy tính để dự báo nồng độ ozone dự kiến cho năm 2017 và so sánh kết quả với giá trị thực.

Kết quả, các dự đoán của mô hình mới đã đạt tới độ chính xác 90%. Tuy nhiên, các nhà khoa học nói rằng đây không phải là giới hạn cuối cùng và mô hình sẽ tiếp tục được cải thiện để tăng độ chính xác của các phép tính.

(VietQ.vn)