Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego UW

Wygląd i umiejętność rozpoznawania chmur oraz wnioskowania na podstawie ich wyglądu o zachodzących w atmosferze procesach jest nadzwyczaj istotną umiejętnością każdej osoby przebywającej poza zasięgiem Internetu. Różnego rodzaju wnioski możliwe są do uzyskanie już po krótkiej obserwacji nieba. Wyrobienie w sobie nawyku spoglądania i porównywania zmian w chmurach jest ze wszech miar korzystne, ponieważ daje możliwość samodzielnego interpretowania wyników prognoz ze stanem rzeczywistym.

       W czasie pobytu poza zasięgiem sieci nie posiadamy zazwyczaj innych informacji jak tylko obserwacja chmur i wiatru, czy formy opadów i osadów. Wielokrotnie na podstawie tych spostrzeżeń możemy trafnie ocenić, czy zawarta w prognozach zmiana pogody już nadchodzi, czy ma taką intensywność jaka była prognozowana, czy też nastąpiło pewne przesunięcie czasowe.

      Dla zapoznania się z tematem warto wysłuchać szkolenia prowadzonego przez ppłk rez. mgr inż. Macieja Ostrowskiego, synoptyka konsultanta ICM UW, eksperta meteorologii lotniczej w Państwowej Komisji Badania Wypadków Lotniczych, wieloletniego komentatora prognoz, instruktora żeglarstwa.

     Na podstawie licznych zdjęć z gór, morza i z samolotu ukazana zostanie zmienność zachmurzenia i jednocześnie istotne cechy umożliwiające rozpoznawanie chmur i zakwalifikowanie ich do odpowiedniego systemu frontowego lub wewnątrzmasowego.

Kierownik sekcji Meteo, pan Bartosz Niezgódka, związany z ICM Meteo niemal od początku istnienia Numerycznej Prognozy Pogody, opowie o powstawaniu prognozy na naszych superkomputerach. Coraz częściej korzystamy z prognoz pogody nie tylko w naszym życiu codziennym, ale również w pracy. Obecnie jest silne zapotrzebowanie na bardzo dokładne prognozy z podziałem na godzinowe dane i bardzo gęstą siatkę. Najczęściej chcemy znać prognozę pogody dla konkretnego punktu. Nie interesuje nas, czy będzie padało np. w województwie mazowieckim, tylko czy będzie padało w Warszawie, a najlepiej gdy informacje dotyczyć będą Ochoty. Pan Bartosz zaprezentuje porównanie 3 modeli obecnie liczonych w ICM. Wyjaśni różnice w modelach wynikające ze specyfiki samych modeli oraz danych wsadowych. Przedstawi różne możliwości prezentacji wyników prognoz oraz omówi najważniejsze z parametrów (temperatura, opad, itd.).

Głębokie sieci neuronowe doskonale sobie radzą z problemami zbyt trudnymi dla klasycznych metod uczenia maszynowego, jednak często dużym wyzwaniem jest odpowiedzenie na pytanie, dlaczego sieć neuronowa podjęła taką, a nie inną decyzję. Aktualnie dynamicznie rozwija się dziedzina interpretowalnej sztucznej inteligencji (XAI), której celem jest zajrzenie do czarnej skrzynki, którą są głębokie sieci neuronowe. Na niniejszym wykładzie  zostaną omówione metody XAI w kontekście sieci neuronowych przetwarzających dane obrazowe.