Google DeepMind прогнозує погоду точніше, ніж інші авторитетні джерела
GenCast, програма погоди зі штучним інтелектом від Google DeepMind, показала на 20% кращі результати, ніж прогноз ENS від Європейського центру середньострокових прогнозів погоди (ECMWF), який широко вважається світовим лідером.
Очікується, що в найближчій перспективі GenCast підтримуватиме традиційні прогнози, а не замінить їх, але навіть у якості допоміжного засобу він може надати ясність щодо майбутніх вибухів холоду, спеки та сильних вітрів, а також допоможе енергетичним компаніям передбачити, скільки електроенергії вони вироблятимуть за допомогою вітрових електростанцій. .
Під час прямого порівняння програма видавала більш точні прогнози, ніж ENS, щодо щоденної погоди та екстремальних подій наперед за 15 днів, а також була кращою в прогнозуванні шляхів руйнівних ураганів та інших тропічних циклонів, включно з тим, де вони вийдуть на сушу.
«Перевищення ефективності ENS знаменує собою певну точку перелому в розвитку ШІ для прогнозування погоди», — сказав Ілан Прайс, науковий співробітник Google DeepMind. «Принаймні в короткостроковій перспективі ці моделі будуть супроводжувати існуючі традиційні підходи».
Традиційні прогнози погоди, засновані на фізиці, вирішують величезну кількість рівнянь, щоб створити свої прогнози, але GenCast дізнався, як змінюється глобальна погода, навчаючись на 40-річних історичних даних, згенерованих між 1979 і 2018 роками. Це включало швидкість вітру, температуру, тиск, вологість і десятки інших. змінних на різних висотах.
Враховуючи останні дані про погоду, GenCast прогнозує, як зміняться умови навколо планети в квадратах розміром до 28 км на 28 км протягом наступних 15 днів з кроком по 12 годин.
У той час як для виконання традиційного прогнозу потрібні години на суперкомп’ютері з десятками тисяч процесорів, GenCast займає лише вісім хвилин на одному Google Cloud TPU, чіпі, призначеному для машинного навчання. Подробиці опубліковані в Nature .
Останніми роками компанія Google випустила низку прогнозів погоди на основі штучного інтелекту, які є плодами дослідників, які пробували різні підходи. У липні компанія анонсувала NeuralGCM , який поєднує штучний інтелект і традиційну фізику для довгострокових прогнозів і моделювання клімату.
У 2023 році Google DeepMind оприлюднив GraphCast , який створює один прогноз за один раз. GenCast базується на GraphCast, генеруючи сукупність із 50 або більше прогнозів, призначаючи ймовірності для різних погодних явищ наперед.
Синоптики привітали цей крок вперед. Стівен Рамсдейл, головний синоптик Метеорологічного бюро, відповідальний за штучний інтелект, сказав, що робота була «захоплюючою», тоді як представник ECMWF назвав її «значним прогресом», додавши, що компоненти GenCast використовувалися в одному з прогнозів штучного інтелекту.
«Прогнозування погоди знаходиться на порозі фундаментальних змін у методології», — сказала Сара Денс, професор асиміляції даних в Університеті Редінга.
«Це відкриває можливість для національних метеорологічних служб створювати набагато більші ансамблі прогнозів, забезпечуючи більш надійні оцінки вірогідністі прогнозу, особливо для екстремальних явищ».
Але питання залишаються. «Автори не відповіли, чи має їх система фізичний реалізм, щоб вловити «ефект метелика», каскад швидкозростаючих невизначеностей, що є критичним для ефективного ансамблевого прогнозування», – сказав професор Денс.
«Попереду ще довгий шлях, перш ніж підходи машинного навчання зможуть повністю замінити прогнозування на основі фізики», — додала вона.
Дані, на яких тренувався GenCast, поєднують минулі спостереження з заснованими на фізиці «задніми прогнозами», які потребують складної математики, щоб заповнити прогалини в історичних даних, сказала вона.
«Залишається з’ясувати, чи зможе генеративне машинне навчання замінити цей крок і перейти прямо від останніх необроблених спостережень до 15-денного прогнозу», — сказав Денс.
Спектакль багатонадійний, але чи ховається на горизонті «момент Майкла Фіша»? «Чи буде імунітет до прогнозування ШІ?» сказав Прайс. «У всіх моделях прогнозування є шанс зробити помилку, і GenCast нічим не відрізняється».