Google DeepMind AI が超正確な 10 日間の天気予報を実現

今年は ノンストップのパレード 異常気象現象のこと。 前例のない暑さが世界中を襲いました。 この夏 地球上で最も暑かった カリフォルニアの鉄砲水やテキサスの氷嵐から、マウイやカナダの壊滅的な山火事に至るまで、気象関連の出来事は生活や地域社会に深く影響を与えました。

これらのイベントを予測するには、一秒一秒が重要です。 AI が役立つかもしれない。

今週は、Google DeepMind AIをリリースしました これまでにない精度とスピードで 10 日間の天気予報を提供します。 GraphCast と呼ばれるこのモデルは、特定の場所の何百もの気象関連データポイントを調べて、90 分以内に予測を生成できます。 千を超える潜在的な気象パターンに挑戦した場合、AI はおよそ XNUMX% の確率で最先端のシステムを打ち負かしました。

しかし、GraphCast は単にワードローブを選ぶためのより正確な天気アプリを構築することだけを目的としているわけではありません。

極端な気象パターンを検出するように明示的に訓練されたわけではありませんが、AI はこれらのパターンに関連するいくつかの大気現象を検出しました。 以前の方法と比較して、サイクロンの軌道をより正確に追跡し、大気中の河川（洪水に関連する大気中の筋状の領域）を検出しました。

GraphCast はまた、現在の方法よりもかなり前に極端な気温の始まりを予測しました。 と 2024 年はさらに暖かくなる見込み 異常気象が増加している中、AI の予測は地域社会に準備をするための貴重な時間を与え、命を救う可能性があります。

「GraphCast は現在、世界で最も正確な 10 日間の全球天気予報システムであり、これまで可能であったよりもさらに先の異常気象現象を予測できるようになりました。」と著者らは述べています。 書いた DeepMind のブログ投稿で。

雨の日

たとえ XNUMX 週間先であっても、気象パターンを予測することは、古くからあるものの非常に困難な問題です。 私たちは多くの決定をこれらの予測に基づいて行っています。 いくつかは私たちの日常生活に組み込まれています。「今日は傘を持ったほうがいいですか?」 避難や屋内退避の命令をいつ出すかなど、生死に関わる決断もあります。

私たちの現在の予測ソフトウェアは主に地球の大気の物理モデルに基づいています。 科学者たちは、気象システムの物理学を調べることで、数十年分のデータから多くの方程式を作成し、それをスーパーコンピューターに入力して予測を生成しました。

顕著な例は、欧州中期予報センターの統合予報システムです。 このシステムは、気象パターンに関する現在の理解に基づいた高度な計算を使用して XNUMX 時間ごとに予測を出し、利用可能な中で最も正確な天気予報を世界に提供します。

このシステムと、より一般的に言えば現代の天気予報は、科学と工学の勝利である」とディープマインドのチームは書いている。

長年にわたり、より強力なコンピューターのおかげで、物理ベースの手法の精度は急速に向上しました。 しかし、依然として時間とコストがかかります。

これは驚くべきことではありません。 天気は地球上で最も複雑な物理システムの XNUMX つです。 バタフライ効果について聞いたことがあるかもしれません。蝶が羽ばたき、大気のこの小さな変化が竜巻の軌道を変えます。 単なる比喩ではありますが、天気予報の複雑さをよく表しています。

GraphCast は異なるアプローチを採用しました。 物理学のことは忘れて、過去の気象データだけからパターンを見つけてみましょう。

AI気象学者

GraphCast は、次のタイプに基づいて構築されています。 ニューラルネットワーク これは以前、流体力学などの他の物理ベースのシステムを予測するために使用されていました。

XNUMX つの部分から構成されています。 まず、エンコーダは、特定の場所の温度や高度などの関連情報を複雑なグラフにマッピングします。 これは、機械が簡単に理解できる抽象的なインフォグラフィックだと考えてください。

XNUMX 番目の部分はプロセッサであり、情報を分析して最終部分であるデコーダに渡すことを学習します。 次に、デコーダは結果を現実世界の天気予測地図に変換します。 つまり、GraphCast は今後 XNUMX 時間の天気パターンを予測できます。

しかし、10時間ではXNUMX日ではありません。 ここがキッカーです。 AI は自身の予測から学習できます。 GraphCast の予測は入力として自身にフィードバックされるため、さらに先の天気を段階的に予測できるようになります。 これは従来の天気予報システムでも使用されている方法だと研究チームは書いている。

GraphCast は、約 17 年にわたる過去の気象データに基づいてトレーニングされました。 分割統治戦略を採用し、研究チームは地球を赤道付近でおよそ17×XNUMXマイルの小さな区画に分割した。 その結果、地球全体をカバーする XNUMX 万以上の「ポイント」が誕生しました。

各ポイントについて、AI は XNUMX つの時点 (XNUMX つは現在、もう XNUMX つは XNUMX 時間前) に収集されたデータを使用してトレーニングされ、温度、湿度、さまざまな高度での風速と風向など、地球の表面と大気からの数十の変数が含まれていました。

トレーニングは計算負荷が高く、完了までに XNUMX か月かかりました。

ただし、一度訓練されると、AI 自体は非常に効率的になります。 単一の TPU を使用して 10 日間の予測を XNUMX 分以内に生成できます。 スーパーコンピューターを使用した従来の方法では、何時間もの計算時間がかかるとチームは説明しました。

光線

その能力をテストするために、チームは GraphCast を現在の天気予報のゴールドスタンダードと比較させました。

AI は 90% 近くの確率でより正確でした。 特に、対流圏（地球に最も近く、天気予報に重要な大気の層）からのデータのみに依存する場合に優れており、99.7% の確率で競合他社を上回りました。 GraphCastもパフォーマンスを上回りました 盤古市の天気、機械学習を使用した競合上位の気象モデル。

次にチームは、熱帯低気圧の追跡、大気中の河川の検出、極度の暑さや寒さの予測など、いくつかの危険な気象シナリオで GraphCast をテストしました。 AI は特定の「警告サイン」については訓練されていませんでしたが、従来のモデルよりも早く警報を発しました。

このモデルには古典的な気象学の助けもありました。 たとえば、チームは既存のサイクロン追跡ソフトウェアを GraphCast の予測に追加しました。 この組み合わせが功を奏した。 XNUMX月、AIはハリケーン・リーがノバスコシア州に向かって東海岸を襲う際の進路を予測することに成功した。 このシステムは、嵐の上陸を XNUMX 日前に正確に予測しました。これは、従来の予測方法よりも貴重な XNUMX 日の早さです。

GraphCast は、従来の物理ベースのモデルを置き換えるものではありません。 むしろ、DeepMind はそれが彼らを強化できることを望んでいます。 ヨーロッパ中期天気予報センター すでにモデルを実験中です それを彼らの予測にどのように組み込むことができるかを見てみましょう。 DeepMind は、不確実性を処理する AI の能力の向上にも取り組んでいます。これは、ますます予測不可能な天候の挙動を考えると、これが重要なニーズです。

AI 天気予報士は GraphCast だけではありません。 DeepMind と Google の研究者は以前に XNUMX つの 地域の モデル 90 分または 24 時間先の短期天気を正確に予測できます。 しかし、GraphCast はさらに先を見据えることができます。 標準の気象ソフトウェアと組み合わせて使用​​すると、気象緊急事態に関する決定に影響を与えたり、気候政策をガイドしたりできる可能性があります。 少なくとも、私たちはその傘を職場に持ち込むという決断にもっと自信を持つことができるかもしれません。

「これは天気予報の転換点になると私たちは信じています」と著者らは書いている。

画像のクレジット： Google DeepMind

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/