Будьте в курсе бесплатных обновлений
Просто зарегистрируйтесь в Искусственный интеллект myFT Digest — доставляется прямо на ваш почтовый ящик.
Google DeepMind представила модель прогнозирования погоды на основе искусственного интеллекта, которая превосходит традиционные методы прогнозов на срок до 15 дней и лучше предвидит экстремальные явления.
Инструмент, известный как GenCast, оценивает вероятность реализации нескольких сценариев и точно оценивает тенденции — от производства энергии ветра до движения тропических циклонов.
Вероятностный метод GenCast — это новая веха в быстром прогрессе в использовании искусственного интеллекта для обеспечения более точных и быстрых повседневных прогнозов погоды — подхода, который все чаще используют крупные традиционные синоптики.
«(Это) знаменует собой своего рода переломный момент в развитии искусственного интеллекта для прогнозирования погоды: современные необработанные прогнозы теперь поступают на основе моделей машинного обучения», — сказал Илан Прайс, научный сотрудник Google DeepMind.
«GenCast может быть включен в оперативные системы прогнозирования погоды, предоставляя ценную информацию, которая поможет лицам, принимающим решения, лучше понять и подготовиться к предстоящим погодным явлениям».
Новинкой GenCast по сравнению с предыдущими моделями машинного обучения является использование так называемых «ансамблевых» прогнозов, представляющих различные результаты, — метода, используемого в современных традиционных прогнозах. GenCast обучен на четырех десятилетиях данных Европейского центра среднесрочного прогнозирования погоды (ECMWF).
Согласно статье, опубликованной в журнале Nature в среду, модель превзошла 15-дневный прогноз ECMWF по 97,2% из 1320 переменных, таких как температура, скорость ветра и влажность.
Результатом является дальнейшее улучшение точности и объема революционной модели GraphCast от Google DeepMind, представленной в прошлом году. GraphCast превзошел прогнозы ECMWF примерно по 90 процентам показателей прогнозов на три-10 дней вперед.
Модели прогнозирования ИИ обычно быстрее и потенциально более эффективны, чем стандартные методы прогнозирования, которые полагаются на огромные вычислительные мощности для обработки уравнений, полученных из физики атмосферы. GenCast может сгенерировать прогноз всего за восемь минут по сравнению с часами, необходимыми для традиционного прогноза, и с минимальными затратами на электронную обработку.
По словам исследователей, модель GenCast может быть улучшена в таких областях, как ее способность прогнозировать интенсивность сильных штормов. Разрешение данных может быть увеличено, чтобы соответствовать обновлениям, сделанным в этом году ЕЦСПП.
В ECMWF заявили, что разработка GenCast стала «важной вехой в развитии прогнозирования погоды». Компания заявила, что интегрировала «ключевые компоненты» подхода GenCast в версию своей собственной системы прогнозирования на базе искусственного интеллекта, причем с июня доступны ансамблевые прогнозы в реальном времени.
Инновационную науку о машинном обучении, лежащую в основе GenCast, еще необходимо протестировать на экстремальных погодных явлениях, добавили в ECMWF.
Развитие GenCast еще больше усилит споры о том, насколько широко следует использовать ИИ в прогнозировании, причем многие ученые для некоторых целей предпочитают гибридный метод.
В июле Google представила модель NeuralGCM, которая сочетает в себе машинное обучение и традиционную физику для достижения лучших результатов, чем только искусственный интеллект, для долгосрочного прогнозирования и определения климатических тенденций.
«Есть открытые вопросы и дискуссия об оптимальном балансе между физикой и системами прогнозирования машинного обучения. Широкое научное сообщество, включая (нас), активно изучает этот вопрос», — заявили в ЕЦСПП.
Метеорологическое бюро Великобритании, национальная метеорологическая служба, исследует, как использовать «захватывающие» разработки в своих собственных моделях прогнозирования на основе искусственного интеллекта, сказал Стивен Рамсдейл, главный синоптик, отвечающий за искусственный интеллект.
«Мы считаем, что наибольшую ценность дает гибридный подход, сочетающий человеческую оценку, традиционные физические модели и прогнозирование погоды на основе искусственного интеллекта», — добавил он.
Климатическая столица
Там, где изменение климата встречается с бизнесом, рынками и политикой. Ознакомьтесь с репортажами FT здесь.
Вас интересуют обязательства FT в области экологической устойчивости? Узнайте больше о наших научно обоснованных целях здесь
