Нові системи штучного інтелекту можуть прискорити нашу здатність прогнозувати погоду і допомогти зробити прогнози точнішими.
Оскільки кліматичні зміни роблять погоду більш непередбачуваною та екстремальною, потрібні надійніші прогнози, які допоможуть нам підготуватися та запобігти катастрофам. Сьогодні метеорологи використовують масивні комп'ютерні симуляції для складання своїх прогнозів. Для цього потрібні години, адже вченим доводиться аналізувати одну за одною такі погодні змінні, як температура, опади, тиск, вітер, вологість і хмарність.
Однак нові системи штучного інтелекту можуть суттєво прискорити цей процес і зробити прогнози – та попередження про екстремальні погодні умови – більш точними, як стверджують дві статті, опубліковані в журналі Nature.
Перша з них, розроблена компанією Huawei, детально описує, як її нова модель штучного інтелекту Pangu-Weather може прогнозувати тижневі погодні умови у всьому світі значно швидше, ніж традиційні методи прогнозування, але з аналогічною точністю.
Друга демонструє, як алгоритм глибинного навчання зміг передбачити екстремальні опади точніше й оперативніше, ніж інші провідні методи, посівши перше місце приблизно у 70% випадків у тестах в порівнянні з аналогічними системами, які наразі існують.
За словами Лінсі Сі, старшого дослідника Huawei, якщо ці моделі будуть впроваджені, їх можна буде використовувати разом із традиційними методами прогнозування погоди, щоби покращити здатність влади підготуватися до негоди.
Для створення Pangu-Weather дослідники Huawei створили глибинну нейронну мережу, навчену на 39-річних даних повторного аналізу, що поєднує історичні спостереження за погодою з сучасними моделями. На відміну від традиційних методів, які аналізують погодні змінні послідовно, що може тривати годами, Pangu-Weather здатна проаналізувати всі погодні змінні одночасно за лічені секунди.
Дослідники порівняли Pangu-Weather з однією з провідних традиційних систем прогнозування погоди у світі, оперативною інтегрованою системою прогнозування Європейського центру середньострокових прогнозів погоди (ECMWF), і виявили, що вона дає схожу точність.
Pangu-Weather також змогла точно відстежити шлях тропічного циклону, незважаючи на те, що не була навчена на даних про тропічні циклони. Ці результати показують, що моделі машинного навчання здатні вловлювати фізичні процеси погоди й узагальнювати їх для ситуацій, яких вони раніше не бачили, пояснює Олівер Фюрер, керівник відділу чисельного прогнозування в MeteoSwiss, Швейцарському федеральному управлінні метеорології та кліматології. Він не брав участі в дослідженні.
Pangu-Weather є цікавою, тому що вона може прогнозувати погоду значно швидше, ніж вчені могли це робити раніше, і передбачати речі, яких не було в її початкових навчальних даних, – каже Фюрер.
Торік багато технологічних компаній представили моделі штучного інтелекту, спрямовані на покращення прогнозування погоди. Pangu-Weather та подібні моделі, такі як FourcastNet від Nvidia та GraphCast від Google-DeepMind, змушують метеорологів "переглянути, як ми використовуємо машинне навчання та прогнози погоди", – каже Пітер Дюбен, керівник відділу моделювання систем Землі в ECMWF. Він не брав участі в дослідженні, але тестував Pangu-Weather.
Раніше машинне навчання розглядалося радше як "іграшковий" проєкт, каже Дюбен. Але тепер, схоже, метеорологи зможуть використовувати його разом із традиційними методами для розробки своїх прогнозів.
Час покаже, наскільки добре ці системи працюватимуть на практиці. Традиційні системи прогнозування погоди навчаються на даних спостережень, тоді як Pangu-Weather покладається на даних повторного аналізу. Сі каже, що вони сподіваються навчити свою модель працювати з даними спостережень у майбутньому.
Але хоча штучний інтелект може допомогти передбачити, куди рухаються тропічні циклони, він не здатний спрогнозувати, наскільки інтенсивними вони будуть. "Штучний інтелект зазвичай недооцінює екстремальні погодні умови", – зазначає Сі.
Однак інші моделі штучного інтелекту можуть допомогти з цим. Генеративна модель штучного інтелекту, навченого законів фізики, під назвою NowcastNet може передбачати екстремальні дощі з більшою точністю, ніж традиційні методи.
Тепершні інструменти прогнозування дощу з глибинним навчанням, такі як DGMR від DeepMind, можуть передбачити ймовірність усіх дощів у найближчі 90 хвилин. NowcastNet здатен прогнозувати екстремальні дощі, що є складнішим завданням, за три години до їх початку. Шістдесят два китайські метеорологи оцінили систему в порівнянні з іншими подібними системами і дійшли висновку, що це найкращий метод прогнозування дощу приблизно в 70% випадків.
Фірма співпрацювала з британськими синоптиками, щоби створити модель, яка би робила кращі короткострокові прогнози, ніж теперішні системи.
За словами Майкла Джордана, комп'ютерного науковця з Каліфорнійського університету в Берклі, який працював над цим дослідженням, команда побудувала глибинну генеративну модель, яка навчається на даних, зібраних із різних метеорологічних радарів та інших технологій, таких як датчики та супутники. Модель також навчається на принципах атмосферної фізики – наприклад, гравітації – й отримує дані з радарів, які роблять знимки погодних патернів. Після цього модель може згенерувати наступний ймовірний сценарій для погодної патернів.
Оскільки інші моделі, такі як DGMR, навчаються лише на даних радарів, вони мають лише часткову знимку атмосфери. Це призводить до менш точних результатів для рідкісних подій, таких як інтенсивні зливи. За словами дослідників, оскільки NowcastNet базується на фізичних знаннях, їхня модель здатна отримати більш комплексне уявлення про дощ і про те, як він може поводитися, що дозволяє робити більш точні прогнози.
Штучний інтелект зможе допомогти людям виграти більше часу, коли йдеться про короткострокові прогнози погодних явищ, таких як дощ. Сильні зливи спричиняють масову загибель людей і руйнування, тому можливість передбачити їх заздалегідь, щоб дати людям можливість підготуватися, є дуже важливою, каже Майкл Джордан.
Наразі прогнозування погоди на основі штучного інтелекту лише зароджується, і ще належить з'ясувати, наскільки корисними ці системи виявляться на практиці. Ускладнити картину можуть також зміни клімату, каже Дюбен.
"Кліматична система змінюється досить різко. І якщо раптом весь лід в Арктиці зникне – ніхто не знає, що робитиме модель, подібна до Pangu-Weather", – каже він.
Melissa Heikkilä
New AI systems could speed up our ability to create weather forecasts
MIT Technology Review, 05.07.2023
14.07.2023