Назвали показатели, по которым Google обошел другие модели прогнозирования погоды

Новая компьютерная модель прогнозирования погоды, созданная компанией Google и основанная на искусственном интеллекте, неизменно превосходит и работает во много раз быстрее правительственных моделей, которые существовали десятилетиями и требовали инвестиций в сотни миллионов долларов. Модель Google продемонстрировала точность, превосходящую «европейскую модель», которая широко считается золотым стандартом.

Исследование, опубликованное в журнале Science показало, что модель искусственного интеллекта более точна как для прогнозов повседневной погоды, так и для экстремальных явлений, таких как ураганы, сильная жара и холод. Ее выдающаяся производительность и многообещающие результаты других подобных моделей искусственного интеллекта могут означать начало новой эры прогнозирования погоды. Однако, эксперты утверждают, что искусственный интеллект не готов заменить полностью все традиционные методы прогнозирования.

Модель искусственного интеллекта Google DeepMind, получившая название «GraphCast», была обучена на почти 40-летних исторических данных. Она может составлять прогноз погоды на 10 дней с шестичасовыми интервалами для населенных пунктов по всему миру менее чем за минуту на компьютере размером с небольшую коробку.

Традиционной модели на суперкомпьютере размером со школьный автобус требуется час и более для того, чтобы достичь того же результата. GraphCast оказалась примерно на 10% точнее европейской модели по 90% оцененных погодных переменных.

Ведущий разработчик системы прогнозирования машинного обучения Университета штата Колорадо Аарон Хилл утверждает, что GraphCast можно смело добавлять в растущий список моделей прогнозирования погоды на основе искусственного интеллекта, которые следует постоянно оценивать на предмет их применения в промышленности, исследованиях и оперативном прогнозировании. Такие модели привлекают все большее внимание государственных метеорологических агентств из-за своей скорости, эффективности и потенциальной экономии средств.

Традиционные погодные модели, такие как «европейская», управляемая Европейским центром среднесрочных прогнозов погоды (ECMWF) в Рединге, Великобритания, и «Американская» Национального управления океанических и атмосферных исследований, дают прогнозы на основе сложных математических уравнений. Эти модели лежат в основе прогнозов и предупреждений о спасении людей по всему миру, но их запуск обходится дорого, поскольку они требуют огромных вычислительных мощностей.

Модели искусственного интеллекта используют другой подход. Сначала их обучают распознавать закономерности в огромном количестве исторических данных о погоде, затем генерируют прогнозы, принимая во внимание текущие условия и применяя то, что они узнали из исторических закономерностей. Этот процесс гораздо менее трудоемок с точки зрения вычислений и может быть завершен за минуты или даже секунды на гораздо меньших компьютерах.

Исследователи выражают обеспокоенность по поводу способности искусственного интеллекта точно прогнозировать экстремальные погодные условия. Тем не менее, GraphCast сократил ошибки в прогнозе циклонов примерно на 10–15 миль за два-четыре дня, улучшил прогнозы содержания водяного пара, связанного с атмосферными реками, на 10–25% и предоставил более точные прогнозы экстремальной жары и холода на 5–10 дней вперед.

Однако, из-за ограничений в обучающих данных и технических ограничений, глобальные модели искусственного интеллекта не способны генерировать прогнозы по количеству параметров или детализации, как в традиционных моделях. Это делает их менее полезными для прогнозирования мелкомасштабных явлений, таких как грозы и внезапные наводнения. Как утверждают эксперты, традиционные модели не заменят модели искусственного интеллекта. Потому, что старые модели по -прежнему предоставляют обучающие данные и генерацию текущих условий, которые используются в качестве отправной точки для составления прогноза.