據(jù)國外媒體報(bào)道，亞馬遜的云計(jì)算部門亞馬遜云服務(wù)（AWS）預(yù)計(jì)利用人工智能來幫助NASA預(yù)測超級太陽風(fēng)暴的到來。
當(dāng)太陽的干擾表面被遺棄在幾百萬英里每輻射和帶電粒子爆發(fā)的高爐每小時的速度，將出現(xiàn)太陽風(fēng)暴。足夠強(qiáng)的輻射爆炸將影響地球中大部分的無線電通信。此外，如果這樣的爆發(fā)（稱為日冕物質(zhì)拋射，或CME）足夠強(qiáng)大，可以直接掃在地上，它可能會導(dǎo)致衛(wèi)星損壞和電網(wǎng)崩潰。
美國宇航局正在與亞馬遜云服務(wù)和亞馬遜機(jī)器學(xué)習(xí)解決方案實(shí)驗(yàn)室（Amazon Machine Learning SolutionsLab）合作，開展一個項(xiàng)目，使用人工智能了解更多關(guān)于太陽超級風(fēng)暴的預(yù)警信號．
為了處理大量的數(shù)據(jù)，并提高未來的風(fēng)險(xiǎn)評估，NASA正在使用亞馬遜網(wǎng)絡(luò)服務(wù)分析工具來了一個篩選1000分?jǐn)?shù)據(jù)集，和計(jì)算機(jī)模型可以被訓(xùn)練識別暗流涌動的跡象。
亞馬遜博客發(fā)布的文章解釋了NASA的方法，將太陽風(fēng)驅(qū)動與地球周圍的磁場水平聯(lián)系起來，以識別數(shù)據(jù)中的異常。
NASA使用名為亞馬遜SageMaker機(jī)器學(xué)習(xí)工具中內(nèi)置的AWS隨機(jī)切森林異常檢測算法訓(xùn)練模型。該算法為每組數(shù)據(jù)點(diǎn)提供了一個“異常分?jǐn)?shù)”。其他AWS工具來實(shí)時跟蹤異常數(shù)據(jù)，并跟蹤他們和太陽風(fēng)暴之間的聯(lián)系。
異常檢測指的是通過數(shù)據(jù)挖掘手段識別數(shù)據(jù)中的“異常點(diǎn)”，由于深度神經(jīng)網(wǎng)絡(luò)分類器可以將分布外（奇數(shù)）輸入以高置信度在分布內(nèi)分類，因此區(qū)分異常值或顯著不同的數(shù)據(jù)是很重要的。當(dāng)我們使用這些預(yù)測為實(shí)際決策提供基礎(chǔ)時，異常數(shù)據(jù)檢測將特別重要。
異常檢測還在數(shù)據(jù)中心有廣泛的應(yīng)用，比如可以從一臺服務(wù)器上提取出一系列特征，如內(nèi)存占用，CPU 使用率，網(wǎng)絡(luò)吞吐量，磁盤訪問頻率等等。利用這些特征建立一個模型。當(dāng)某個服務(wù)器偏離這個模型較遠(yuǎn)時，可能這臺機(jī)器快要死機(jī)了，就可以進(jìn)一步查看這臺機(jī)器的情況以便做出相應(yīng)的處理。
該計(jì)劃使美國宇航局能夠匯總來自50多個衛(wèi)星任務(wù)的數(shù)據(jù)，并開發(fā)可視化以供進(jìn)一步研究?？茖W(xué)家們已經(jīng)能夠創(chuàng)造必要太陽的現(xiàn)象仿真模擬卡林頓超級風(fēng)暴事件。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
