Новый искусственный интеллект превосходит традиционные модели погоды
Новый погодный ИИ GraphCast от Google DeepMind вызывает ажиотаж не только среди метеорологов. В некоторых случаях он превосходит самые мощные модели погоды - и делает это с впечатляющей эффективностью. Заменит ли ИИ в скором времени традиционное прогнозирование погоды?
Исследователи из Google DeepMind недавно представили новый погодный ИИ под названием GraphCast в исследовании , опубликованном в журнале Science. По их словам, он может рассчитывать очень качественные прогнозы на 10 дней с поразительной эффективностью. Даже по оценкам экспертов Европейского центра среднесрочных прогнозов погоды (ECMWF), GraphCast может прогнозировать такие переменные, как температура и осадки, лучше, чем лучшая модель погоды ECMWF (IFS HRES), в 90% случаев. Кроме того, часто удается предсказать траектории тропических циклонов на несколько дней вперед, чем при использовании обычных моделей погоды.
Эффективность GraphCast также на несколько порядков выше, поскольку ИИ Google требует значительно меньших вычислительных мощностей и, по данным Google, даже работает на одном процессоре. И при этом он выдает результаты в тысячу раз быстрее - поразительное улучшение. Исследователи называют это поворотным моментом в прогнозировании погоды.
Прежние методы занимали очень много времени.
Традиционные численные модели погоды обычно работают в огромных центрах обработки данных на дорогостоящих и энергоемких суперкомпьютерах, и из-за их высокой сложности на один расчет часто уходит несколько часов. Таким образом, усовершенствование моделей с помощью искусственного интеллекта, например GraphCast, может привести к огромной экономии средств.
Совершенствование самих численных моделей также требует огромных ресурсов и занимает множество различных областей исследований в метеорологии и других естественных науках. Маловероятно, что в результате фундаментальные исследования сами по себе станут менее важными, поскольку они также имеют решающее значение для интерпретации и понимания моделей и прогнозов. Однако использование моделей с искусственным интеллектом, вероятно, также может привести к более эффективному использованию имеющихся ресурсов в отношении сложного и дорогостоящего процесса оптимизации классических моделей погоды.
Как на самом деле работает искусственный интеллект?
Под искусственным интеллектом обычно понимаются алгоритмы, использующие так называемые нейронные сети. Они состоят из множества так называемых узлов, которые образуют широко разветвленную сеть, подобную нервным клеткам в мозге человека. Связи между этими узлами изначально имеют одинаковое значение, но в процессе обучения с использованием выборочных наборов данных изменяются или взвешиваются. Таким образом, нейронная сеть обучается распознавать закономерности в больших массивах данных, а затем, например, классифицировать входные данные или делать на их основе прогнозы. После обучения ИИ можно задействовать на других данных и, в зависимости от поставленной задачи, получить из них нужные сведения. В принципе, подобным образом можно работать и с метеорологическими данными.
Традиционное прогнозирование погоды, с другой стороны, основано на математических и физических моделях, которые совершенствовались десятилетиями и рассчитывают прогноз по исходному набору данных с помощью очень сложных расчетных формул. Однако по физическим причинам многие из этих формул могут быть определены и применены лишь приблизительно. Чем точнее и с большим разрешением (пространственным и временным) должна быть модель или прогноз, тем больше ресурсов требуется в соответствующих центрах обработки данных. Благодаря совершенно иному подходу ИИ позволяет частично обойти эту проблему.
Слабые стороны подхода ИИ
Однако совершенно иной подход технологии ИИ влечет за собой и проблемы. И ИИ не во всех случаях превосходит предыдущие модели погоды. Например, в случае с недавним ураганом "Отис", который очень внезапно и неожиданно возник у берегов Мексики, испытал экстремальное усиление, прежде чем обрушился на мексиканское побережье в районе Акапулько с непредвиденной разрушительной силой. Здесь GraphCast не смог продемонстрировать превосходство над обычными моделями погоды, как это было в случае с некоторыми недавними штормами в Центральной Европе.
Это может быть связано с тем, что ИИ, естественно, может обучаться только на исторических метеорологических данных. В условиях ускоряющегося изменения климата и надвигающихся или уже начавшихся фундаментальных изменений в климатической системе это может стать решающим недостатком. Новые события, связанные с изменением климата, могут быть недооценены или полностью неверно оценены ИИ.
Может ли ИИ заменить традиционное прогнозирование погоды?
В опубликованном ими исследовании ученые из Суперкомпьютерного центра Юлиха считают теоретически возможным, что традиционное прогнозирование погоды с использованием численных моделей погоды может быть полностью заменено подходами ИИ уже в 2021 году. Однако для этого потребуются серьезные технологические прорывы, в частности, интеграция решающих физических законов в алгоритмы ИИ. Таким образом, сильные стороны традиционного прогнозирования погоды будут объединены с сильными сторонами ИИ, а прежние недостатки ИИ будут устранены.
До сих пор ИИ мог лишь дополнять классические численные модели или заменять часть классического рабочего процесса. Пока ИИ не сможет полностью встать у руля прогнозирования погоды, человеческому интеллекту придется совершить ряд подвигов в этой области. Сами исследователи Google также рассматривают свою работу пока только как дополнение к существующим моделям. Таким образом, ИИ пока не является панацеей от существующих проблем в прогнозировании погоды, но скорость его развития поражает.
Источник: www.ntv.de
