Модель машинного обучения GraphCast, разработанная компанией Google DeepMind, в ходе ранних испытаний с большим отрывом опередила традиционные методы прогнозирования погоды.
Точное предсказание погоды - сложная задача, которая становится тем сложнее, чем больше дней в будущем мы хотим предсказать.
Именно поэтому метеорологические организации полагаются на самые мощные суперкомпьютеры в мире, чтобы вычислить сложные алгоритмы прогнозирования, которые говорят нам, будет ли завтра дождь или нет.
Модель Integrated Forecasting System (IFS), которую использует Европейский центр прогнозов погоды средней дальности (ECMWF), считается самой точной европейской моделью погоды. И GraphCast только что обошел ее с большим отрывом.
GraphCast смог предсказать погоду на 10 дней вперед быстрее и точнее, чем ECMWF, в более чем 90% из 1380 целей проверки.
Знать, стоит ли брать с собой на работу зонтик, очень удобно, но точное предсказание экстремальных погодных явлений - вот где GraphCast может оказать существенное влияние.
В сентябре, когда до начала урагана "Ли" оставалось 9 дней, метеорологические службы напряженно работали над тем, чтобы предсказать, на какой город придется основная тяжесть урагана.
Модель IFS дала приблизительный прогноз, согласно которому ураган заденет некоторые города Северо-Востока или, возможно, полностью их пропустит. Тем временем GraphCast предсказал, что ураган Ли ударит по Новой Шотландии.
Только через 3 дня IFS пришла к такому же выводу, который в итоге оказался верным. Представьте себе, как улучшилось бы развертывание ресурсов и аварийных служб благодаря дополнительным 3 дням.
Пушмит Кохли, вице-президент по исследованиям в Google DeepMind, сказал: "Предсказание погоды - одна из самых сложных проблем, над которой человечество работает уже очень и очень давно. И если посмотреть на то, что произошло за последние несколько лет в связи с изменением климата, то это невероятно важная проблема".
Представляем GraphCast: нашу современную модель искусственного интеллекта, позволяющую составлять прогнозы погоды на 10 дней с беспрецедентной точностью менее чем за одну минуту. 🌦️
Он даже может помочь предсказать возможные пути циклонов на будущее.
Вот как это работает. 🧵 https://t.co/ygughpkdeP pic.twitter.com/0Y6DyBXDow
- Google DeepMind (@GoogleDeepMind) 14 ноября 2023 года
Как это работает?
Традиционные модели, такие как IFS, используют "численное прогнозирование погоды" (NWP). Это предполагает сбор огромного количества данных с метеорологических датчиков, которые затем вводятся в сложные уравнения, обрабатываемые суперкомпьютерами.
Уравнения подправляются группами экспертов и становятся все более точными, но все равно требуют больших вычислительных мощностей и занимают много времени для получения прогноза.
NWP - это, по сути, попытка использовать алгоритмы для моделирования работы атмосферы, чтобы предсказать, что произойдет дальше.
То, что делает GraphCast, гораздо проще, но не может быть сделано с помощью традиционных уравнений.
Модель GraphCast использует прогнозирование погоды на основе машинного обучения (MLWP) и обучена на исторических данных о погоде за 50 лет.
Затем он берет эти данные и, вместо того чтобы создавать модель нашей атмосферы, ищет в них закономерности. Модель ИИ отлично справляется с поиском тонких закономерностей, которые невозможно обнаружить с помощью фиксированных уравнений.
GraphCast, по сути, смотрит на текущие погодные данные и говорит: "В прошлый раз, когда я видел эти условия, следующим событием было...", а затем делает прогноз.
Уровень детализации, или разрешения, прогнозов GraphCast не так высок, как у традиционных моделей, но он гораздо точнее и быстрее.
Если суперкомпьютеру для составления прогноза погоды потребовались бы часы, то GraphCast может получить результат менее чем за минуту на одной машине Google TPU v4.
MLWP в значительной степени зависит от исторических данных, полученных традиционными моделями NWP, поэтому она пока не заменит их.
Однако использование такого инструмента, как GraphCast, в тандеме с существующими методами поможет быстрее и точнее предсказывать экстремальные погодные явления.
Google DeepMind делает GraphCast открытым исходным кодом, и он уже используется ECMWF.
