ШІ-програма GenCast виявилася кращою у прогнозуванні повсякденної погоди та шляхів ураганів і циклонів, ніж Європейський центр середньострокових прогнозів погоди (ECMWF), який вважається світовим лідером.
Як повідомляє The Guardian, в найближчій перспективі GenCast буде допомагати синоптикам робити прогнози, а не замінить їх повністю. Але вже зараз він може покращити прогнози щодо майбутніх похолодань, спеки й сильних вітрів, а також допомогти енергетичним компаніям спрогнозувати, скільки енергії вони зможуть генерувати з вітрових електростанцій.
У прямому порівнянні програма видавала точніші прогнози, ніж традиційна система ENS, щодо повсякденної погоди та екстремальних подій на 15 днів наперед, а також краще передбачала шляхи руйнівних ураганів та інших тропічних циклонів, включаючи місця їхнього падіння на сушу.
«Перевершення ENS знаменує собою певний переломний момент у розвитку ШІ для прогнозування погоди. Принаймні в короткостроковій перспективі ці моделі будуть супроводжувати існуючі традиційні підходи», — сказав Ілан Прайс, науковий співробітник Google DeepMind.
Традиційні прогнози погоди, засновані на фізиці, розв’язують величезну кількість рівнянь, але GenCast дізнався, як розвивається глобальна погода, навчаючись на 40-річних історичних даних, згенерованих між 1979 і 2018 роками. Це включає швидкість вітру, температуру, тиск, вологість і десятки інших змінних на різних висотах.
Враховуючи останні погодні дані, GenCast прогнозує, як змінюватимуться умови по всій планеті у квадратах розміром до 28 км на 28 км протягом наступних 15 днів з 12-годинним кроком.
У той час як традиційний прогноз займає години на суперкомп’ютері з десятками тисяч процесорів, GenCast працює лише вісім хвилин на одному Google Cloud TPU, чіпі, призначеному для машинного навчання.
У 2023 році Google DeepMind представив GraphCast, який створює один найкращий прогноз. GenCast ґрунтується на GraphCast, генеруючи ансамбль з 50 або більше прогнозів, призначаючи ймовірності для різних погодних подій у майбутньому.
Синоптики привітали цей розвиток технологій, відзначає The Guardian. Стівен Рамсдейл, головний синоптик Метеорологічної служби, відповідальний за ШІ, сказав, що робота була «захопливою», а представник ECMWF назвав її «значним досягненням», додавши, що компоненти GenCast використовуються в одному з її прогнозів на основі ШІ.
«Це відкриває можливість для національних метеорологічних служб створювати набагато більші ансамблі прогнозів, забезпечуючи більш надійні оцінки вірогідності прогнозів, особливо для екстремальних подій», — вважає Сара Денс, професорка асиміляції даних в Університеті Редінга.
Проте, вона відзначила, що розробники GenCast не відповіли, чи має їхня система фізичну реалістичність для врахування «ефекту метелика», каскаду швидкозростаючих невизначеностей, що є критично важливим для ефективного ансамблевого прогнозування. Попереду ще довгий шлях, перш ніж підходи машинного навчання зможуть повністю замінити прогнозування на основі фізики», — сказала професорка Денс.
За її словами, дані, на яких навчався GenCast, поєднують минулі спостереження з фізичними «ретроспективними прогнозами», які потребують складної математики, щоб заповнити прогалини в історичних даних.
Раніше Деміс Хассабіс, співзасновник і генеральний директор Google DeepMind, став одним із трьох дослідників, хто отримав Нобелівську премію з хімії за роботу над прогнозуванням структури білків.
