Точнее любого синоптика: ИИ за минуту предсказывает погоду на 10 дней вперед (видео)
Разработчики из Google DeepMind уверены, что система GraphCast принесет пользу миллиардам людей по всему миру. Ее уже используют некоторые метеорологические агентства.
Экспериментальная лаборатория Google DeepMind объявила о разработке системы GraphCast, которая с помощью искусственного интеллекта чрезвычайно точно и быстро составляет прогноз погоды на ближайшие 10 дне. Об этом сообщается на сайте лаборатории, а на специальной странице можно ознакомиться с самим механизмом прогнозирования.
В своей опубликованной научной статье авторы модели GraphCast указывают, что их искусственный интеллект гораздо быстрее и точнее справляется с прогнозированием, чем любая отраслевая система моделирования погоды, даже самая известная из них, созданная Европейским центром среднесрочных прогнозов погоды (ECMWF).
GraphCast также может заранее предупреждать об экстремальных погодных явлениях. Он может с большой точностью предсказывать следы циклонов в будущем, определять атмосферные потоки, связанные с риском наводнений, и предсказывать наступление экстремальных температур. Эта способность потенциально может спасти жизни за счет большей готовности спасателей и гражданских служб.
Самое важное, что код команда Google DeepMind оставит открытым исходный код модели GraphCast, что даст возможность ученым и прогнозистам по всему миру приносить пользу миллиардам людей в их повседневной жизни. GraphCast уже используется метеорологическими агентствами, в том числе ECMWF, который проводит эксперимент с прогнозами нашей модели на своем веб-сайте.
Чем инструмент ИИ отличается от обычных средств прогнозирования
Прогнозы обычно основаны на численном прогнозе погоды (ЧПП), который начинается с тщательно определенных физических уравнений, которые затем переводятся в компьютерные алгоритмы, выполняемые на суперкомпьютерах. Хотя этот традиционный подход стал триумфом науки и техники, разработка уравнений и алгоритмов отнимает много времени и требует глубоких знаний, а также дорогостоящих вычислительных ресурсов для получения точных прогнозов.
Глубокое обучение модели ИИ предлагает другой подход: использование данных вместо физических уравнений для создания системы прогноза погоды. GraphCast обучается на основе исторических данных о погоде за десятилетия, чтобы изучить модель причинно-следственных связей, которые управляют развитием погоды на Земле от настоящего к будущему.
Важно отметить, что GraphCast и традиционные подходы идут рука об руку. Эксперты обучали GraphCast на данных повторного анализа погоды за четыре десятилетия из огромной базы данных. База основана на исторических наблюдениях за погодой, таких как спутниковые изображения, радары и метеостанции, использующие традиционное ЧПП для "заполнения пробелов" там, где наблюдения неполны.
Точный прогноз в любой географической точке
GraphCast делает прогнозы с высоким разрешением 0,25 градуса долготы/широты (28 х 28 км по экватору). Это более миллиона точек сетки, покрывающих всю поверхность Земли. В каждой точке сетки модель прогнозирует пять переменных земной поверхности, включая температуру, скорость и направление ветра, а также среднее давление на уровне моря, и шесть атмосферных переменных на каждом из 37 уровней высоты, включая удельную влажность, скорость и направление ветра, а также шесть атмосферных переменных на каждом из 37 уровней высоты.
Хотя обучение GraphCast требовало больших вычислительных ресурсов, полученная модель прогнозирования оказалась очень эффективной. Создание 10-дневных прогнозов с помощью GraphCast занимает менее минуты на одном компьютере Google TPU v4. Для сравнения, 10-дневный прогноз с использованием традиционного подхода, такого как HRES, может занять часы вычислений на суперкомпьютере с сотнями машин.
В многочисленных тестированиях GraphCast предсказал более точные прогнозы по более чем 90% из 1380 тестовых переменных. А когда исследователи ограничили оценку тропосферой, областью атмосферы высотой 6–20 километров, ближайшей к поверхности Земли, где точный прогноз наиболее важен, модель превзошла HRES по 99,7% тестовых переменных для будущей погоды.
Для входных данных GraphCast требуется всего два набора данных: состояние погоды 6 часов назад и текущее состояние погоды. Затем модель предсказывает погоду на 6 часов вперед. Затем этот процесс можно будет развернуть с шагом в 6 часов, чтобы обеспечить самые современные прогнозы на срок до 10 дней.
Будущее GraphCast
Новой разработкой Google DeepMind уже заинтересовались метеорологи по всеми миру. GraphCast уже включен в системы прогнозирования погоды от Google DeepMind и Google Research, включая региональную модель текущего прогнозирования, которая дает прогнозы на 90 минут вперед. Так же механизм ИИ GraphCast задействован в системе прогнозирования MetNet-3, региональной модели, работающей в США и Европе, которая производит более точные 24-часовые прогнозы, чем любая другая система.
Ранее Фокус рассказывал, что эксперты узнали, как искусственный интеллект может повлиять на выборы. По словам специалистов ENISA, европейцы готовятся принять Закон об ИИ, но до сих пор неясно, как бороться с генеративными моделями и дипфейками.