Googleは、さまざまなプラットフォームで利用できる素晴らしいアプリケーション群を備えていますが、それらにアクセスするためには、プライバシーを守らなければなりません。
検索、Gmail、Googleマップへの支払いは、あなたのデータで行う以外に方法はないのです。
Googleは、すべてが匿名化されているため、広告主が実際にあなたが誰であるかを知ることができないため、実際には識別可能なデータを販売していません。
そしてグーグルは近年、様々な理由からプライバシーの名の下にその取り組みを強化している。
アップルのプライバシーとセキュリティに対する姿勢もそうですし、フェイスブックの選挙での失態もそうですし、さらにはグーグル自身の過去の違反行為もあって、多くの人が非常に警戒しています。
しかし、グーグルはモバイルアプリとのインタラクションからユーザーデータを収集するだけではなく、データ駆動型の次のグーグル製品が、匿名化されたデータとは全く関係のない、命を救うイノベーションであることが判明するかもしれないのです。
グーグルが細心の注意を払っていることのひとつが天候で、同社は通常の天気予報システムよりもずっと便利な、より優れた高速予報をもたらす方法を検討している。
グーグルはAIブログの投稿で、NOAAが使用している高価なモデルよりも高い精度で降水量を正確に予測するために、機械学習を活用していることを説明した。
機械学習の大きなメリットは、学習済みのモデルがあれば推論が計算量的に安価で、入力データのネイティブな高解像度でほぼ瞬時に予測が可能なことです。
この降水ナウキャストは、0～6時間の予報に特化しており、1kmの解像度を持つ予報を、データ収集の遅延を含めた総遅延がわずか5～10分で生成でき、開発の初期段階であっても従来のモデルを凌駕しています。
グーグルは、正確な天気予報が生死を分けるような状況、例えば1時間単位で事象が進展する局地的な嵐などで、このシステムはより効果的に機能すると説明している。
グーグルのモデルは、地球温暖化による予期せぬ気候パターンにいち早く適応し、予期せぬ事態が発生した後の数時間で、より正確な予測を提供するためにも利用できるだろう。
NOAAの予測は、より多くのデータを使用し、コンパイルに時間がかかる。
NOAAは1日に100テラバイトのデータを収集し、スーパーコンピューターを使って1日から10日の世界予測を行う。
しかし、計算機資源の利用可能性は、いくつかの点で数値気象予報の力を制限している。
例えば、計算機の需要から空間分解能は5km程度に制限され、都市部や農地内の気象パターンを解決するには十分ではない。
また、数値計算の実行には数時間かかる。
予報の計算に6時間かかるとすると、1日に3～4回しか実行できず、6時間以上前のデータに基づく予報になってしまい、今現在起きていることの知識が制限されることになります。
これに対してナウキャスティングは、交通経路や物流、避難計画など、即時性のある意思決定に特に有効です。
Google社が提供した例では、Google社の予報はNOAAよりも嵐の一般的な動きや形状をより正確に捉えることができ、優れていた。
しかし、グーグルのアルゴリズムにできることは限られており、6時間以上先の天候を予測しようとすると、NOAAの複雑なモデルの方が良い結果を出す傾向があります。
GoogleのAIが行っているのは、レーダーで生成された2D画像を見て降雨量を予測することであり、その気象システムは、雲の形成に関する情報も提供し、6時間を超える予測を改善する可能性のある3D画像を評価することはできない。
しかし今後、Googleが独自の気象システムを大規模に展開したり、NOAAのデータと組み合わせることで、即時かつ正確な天気予報が可能になれば、状況は大きく変わるかもしれません。
