Google DeepMind разработи алгоритъм за машинно обучение, за който твърди, че може да предскаже времето по-точно от сегашните методи за прогнозиране, които използват суперкомпютри. Моделът на Google, наречен GraphCast, генерира по-точна 10-дневна прогноза от системата за прогноза с висока разделителна способност (HRES), управлявана от Европейския център за средносрочни прогнози за времето (ECMWF) – правейки прогнози за минути, а не за часове, предава Livescience.
GraphCast, който може да работи на настолен компютър, превъзхожда ECMWF при повече от 99% от метеорологичните променливи в 90% от 1300 тестови региона, според констатациите, публикувани на 14 ноември в списание Science. Въпреки това изследователите казват, че не е безупречен, защото резултатите се генерират в черна кутия, което означава, че изкуственият интелект не може да обясни как е намерил модел или да покаже работата му – и че трябва да се използва за допълване, а не за замяна на установени инструменти.
Прогнозирането днес разчита на включването на данни в сложни физически модели и използването на суперкомпютри за провеждане на симулации. Точността на тези прогнози разчита на детайлни детайли в рамките на моделите и те са енергоемки и скъпи за изпълнение.
Но метеорологичните модели за машинно обучение могат да работят по-евтино, защото се нуждаят от по-малко изчислителна мощност и работят по-бързо. За новия модел на изкуствен интелект изследователите обучиха GraphCast на глобални метеорологични показания за 38 общо години до 2017 г. Алгоритъмът установи модели между променливи като въздушно налягане, температура, вятър и влажност, които дори изследователите не разбраха.
След това обучение моделът екстраполира прогнози за глобалното време, направени през 2018 г., за да направи 10-дневни прогнози за по-малко от минута. Изпълнявайки GraphCast заедно с прогнозата с висока разделителна способност на ECMWF, която използва по-конвенционални физически модели, учените установиха, че GraphCast дава по-точни прогнози за повече от 90% от 12 000 използвани точки от данни.
GraphCast може също така да прогнозира екстремни метеорологични събития, като горещи и студени вълни и тропически бури.
„През септември версия на живо на нашия публично достъпен модел GraphCast, разгърнат на уебсайта на ECMWF, прогнозира изключително точно около девет дни предварително, че ураганът Лий ще стигне до Нова Скотия“, пише в изявление Реми Лам, изследователски инженер в DeepMind. Въпреки впечатляващата производителност на модела, учените не смятат, че скоро той ще измести използваните в момента инструменти. Все още са необходими редовни прогнози за проверка и задаване на началните данни за всяка прогноза и тъй като алгоритмите за машинно обучение дават резултати, които не могат да бъдат обяснени.
Вместо това, AI моделите могат да допълнят други методи за прогнозиране и да генерират по-бързи прогнози, казаха изследователите. Те също могат да помогнат на учените да видят промените в климатичните модели с течение на времето и да получат по-ясна представа за по-голямата картина.
„Пионерството в използването на AI в прогнозирането на времето ще бъде от полза за милиарди хора в ежедневието им. Но нашето по-широко изследване не е само за предвиждане на времето – то е за разбиране на по-широките модели на нашия климат“, пише Лам. „Чрез разработването на нови инструменти и ускоряването на изследванията се надяваме, че AI може да даде възможност на глобалната общност да се справи с нашите най-големи екологични предизвикателства“, допълва той.
Публикувай коментар
