AI depășește pentru prima dată prognoza meteo convențională: studiu Google

Marți, revista Science a publicat un studiu care arată cum a sunat un model de meteorologie AI de la Google DeepMind GraphCast a depășit semnificativ metodele convenționale de prognoză a vremii în prezicerea condițiilor meteorologice globale cu până la 10 zile înainte. Realizarea sugerează că prognozele meteo viitoare ar putea deveni mult mai precise, relatează The Washington Post și Timpuri financiare.

În cadrul studiului, GraphCast a demonstrat o performanță superioară față de cel mai important sistem convențional din lume, operat de Centrul European pentru Prognozele Meteo pe Interval Mediu (ECMWF). Într-o evaluare cuprinzătoare, GraphCast a depășit sistemul ECMWF în 90% din 1.380 de metri, inclusiv temperatura, presiunea, viteza și direcția vântului și umiditatea la diferite niveluri atmosferice.

Iar GraphCast face toate acestea rapid: „Prevestește sute de variabile meteorologice, peste 10 zile la o rezoluție de 0,25° la nivel global, în mai puțin de un minut”, scriu autorii în lucrarea „Learning abil pentru prognoza meteo globală pe rază medie”.

Acest lucru marchează un progres notabil în viteză și precizie pentru AI în meteorologie. Matthew Chantry, coordonator de învățare automată la ECMWF, a recunoscut progresul rapid într-un interviu pentru Financial Times, spunând că un sistem AI în meteorologie a progresat „mult mai devreme și mai impresionant decât ne așteptam chiar acum doi ani”.

GraphCast utilizează ceea ce cercetătorii numesc o arhitectură de învățare automată „rețea neuronală grafică”, instruită pe peste patru decenii de date istorice meteorologice ale ECMWF. Procesează stările atmosferice globale actuale și vechi de șase ore, generând o prognoză de 10 zile în aproximativ un minut pe un Google TPU v4 computer cloud. Metoda de învățare automată de la Google contrastează cu metodele convenționale de predicție numerică a vremii, care se bazează pe supercalculatoare pentru a procesa ecuații bazate pe fizica atmosferică, consumând mult mai mult timp și energie.

Chantry a evidențiat eficiența GraphCast pentru Financial Times, estimând că este de aproximativ 1.000 de ori mai ieftină din punct de vedere al consumului de energie în comparație cu metodele tradiționale. Un exemplu al succesului său de prognoză a fost predicția sa privind aterizarea uraganului Lee în Nova Scoția cu nouă zile înainte, cu trei zile mai devreme decât abordările tradiționale.

În ciuda progresului, GraphCast are limitări. Nu a depășit modelele convenționale în toate scenariile, cum ar fi intensificarea bruscă a uraganului Otis, care a lovit Acapulco cu un avertisment minim pe 25 octombrie. De asemenea, din cauza limitărilor tehnologice, modelele globale de inteligență artificială nu pot crea încă prognoze la fel de detaliate sau granulare precum cele tradiționale, ceea ce le face mai ideale pentru examinarea fenomenelor la scară mai mică, potrivit The Washington. Post. Și au probleme de transparență, deoarece meteorologii nu pot încă să se uite în interiorul „cutiei negre” a modelului AI și să vadă exact de ce face prognoza.

În cele din urmă, cercetătorii Google DeepMind văd abordarea lor bazată pe inteligență artificială ca o completare a tehnicilor actuale de predicție a vremii. „Abordarea noastră nu ar trebui privită ca un înlocuitor pentru metodele tradiționale de prognoză a vremii”, scriu ei, „care au fost dezvoltate de zeci de ani, testate riguros în multe contexte din lumea reală și oferă multe caracteristici pe care nu le-am explorat încă”.

Privind în viitor, ECMWF intenționează să-și dezvolte propriul model AI și să exploreze integrarea acestuia cu sistemul său numeric de predicție a vremii. Biroul Meteorologic al Marii Britanii, în parteneriat cu Institutul Alan Turing, dezvoltă, de asemenea, o rețea neuronală grafică pentru prognoza meteo care să fie încorporată în infrastructura supercomputerelor sale în viitor.