Компания Google DeepMind разработала алгоритм машинного обучения, который, по её утверждению, может предсказывать погоду более точно, чем нынешние методы прогнозирования, использующие суперкомпьютеры.
Модель Google, получившая название GraphCast, сгенерировала более точный 10-дневный прогноз, чем система прогнозов высокого разрешения (HRES), управляемая Европейским центром среднесрочных прогнозов погоды (ECMWF), при этом делая прогнозы за минуты, а не за часы. Сама ж Google DeepMind называет HRES текущим золотым стандартом системы моделирования погоды.

Согласно результатам, опубликованным 14 ноября в журнале Science, модель GraphCast, которая может работать на настольном компьютере, превзошла ECMWF по более чем 99% погодных переменных в 90% из 1300 тестовых регионов.
Но исследователи говорят, что алгоритм не безупречен, поскольку результаты генерируются в «чёрном ящике» — то есть ИИ не может объяснить, как он нашёл закономерность, или продемонстрировать его работу, — и что его следует использовать для дополнения, а не замены существующих инструментов.
Сегодняшнее прогнозирование основано на включении данных в сложные физические модели и использовании суперкомпьютеров для моделирования. Точность этих прогнозов зависит от детализации моделей, они энергоёмки и дороги в эксплуатации.
Но модели погоды с машинным обучением могут работать дешевле, поскольку им требуется меньше вычислительной мощности и они работают быстрее. Для новой модели искусственного интеллекта исследователи обучили GraphCast на данных глобальной погоды за 38 лет до 2017 года. Алгоритм установил закономерности между такими переменными, как давление воздуха, температура, ветер и влажность, которые даже исследователи не понимали.
После этого обучения модель экстраполировала прогнозы на основе глобальных оценок погоды, сделанных в 2018 году, и составила 10-дневные прогнозы менее чем за минуту. Запустив GraphCast вместе с прогнозом высокого разрешения ECMWF, который использует более традиционные физические модели для прогнозирования, учёные обнаружили, что GraphCast даёт более точные прогнозы по более чем 90% из 12 тыс. использованных точек данных.
GraphCast также может прогнозировать экстремальные погодные явления, такие как волны тепла, похолодания и тропические штормы, а когда верхние слои атмосферы Земли были удалены, и остался только самый нижний уровень атмосферы, тропосфера, где погодные явления, влияющие на людей, являются заметными, точность выросла до более чем 99%.
«В сентябре действующая версия нашей общедоступной модели GraphCast, размещённая на веб-сайте ECMWF, примерно за 9 дней до этого точно предсказала, что ураган Ли обрушится на берег в Новой Шотландии, — написал в заявлении Реми Лам (Rémi Lam), инженер-исследователь из DeepMind, в своей статье. — Напротив, традиционные прогнозы имели большую вариативность в отношении того, где и когда случится ураган, и определили, что это произойдёт у берегов Новой Шотландии только примерно за 6 дней до события.»
Несмотря на впечатляющие характеристики модели, учёные не считают, что она в ближайшее время заменит используемые в настоящее время инструменты. Регулярные прогнозы по-прежнему необходимы для проверки и установки исходных данных для любого прогноза, а поскольку алгоритмы машинного обучения дают результаты, которые эксперты не могут объяснить, они могут быть подвержены ошибкам или «галлюцинациям».
Вместо этого, по мнению исследователей, модели ИИ могут дополнять другие методы прогнозирования и генерировать более быстрые прогнозы. Они также могут помочь учёным увидеть изменения в климатических условиях с течением времени и получить более чёткое представление об общей картине.
«Новаторское использование искусственного интеллекта в прогнозировании погоды принесёт пользу миллиардам людей в их повседневной жизни. Но наши более широкие исследования направлены не только на прогнозирование погоды, но и на понимание более широких закономерностей нашего климата, — написал Лам. — Разрабатывая новые инструменты и ускоряя исследования, мы надеемся, что искусственный интеллект поможет мировому сообществу с решением наших величайших экологических проблем.»



