Google DeepMind AI tworzy niezwykle dokładne 10-dniowe prognozy pogody

W tym roku był nieprzerwana parada ekstremalnych zjawisk pogodowych. Bezprecedensowe upały ogarnęły świat. Tego lata był najgorętszy na Ziemi od 1880 r. Od gwałtownych powodzi w Kalifornii i burz lodowych w Teksasie po niszczycielskie pożary na Maui i w Kanadzie, zdarzenia związane z pogodą głęboko wpłynęły na życie i społeczności.

Przy przewidywaniu takich zdarzeń liczy się każda sekunda. Sztuczna inteligencja mogłaby pomóc.

W tym tygodniu Google DeepMind wypuścił sztuczną inteligencję dostarczający 10-dniowe prognozy pogody z niespotykaną dotąd dokładnością i szybkością. Model o nazwie GraphCast może przeglądać setki punktów danych związanych z pogodą dla danej lokalizacji i generować prognozy w czasie krótszym niż minuta. W obliczu wyzwań związanych z ponad tysiącem potencjalnych wzorców pogody sztuczna inteligencja pokonuje najnowocześniejsze systemy w około 90 procentach przypadków.

Ale GraphCast nie polega tylko na tworzeniu dokładniejszej aplikacji pogodowej do wybierania szaf.

Chociaż sztuczna inteligencja nie została specjalnie przeszkolona w zakresie wykrywania ekstremalnych wzorców pogodowych, wychwyciła kilka zdarzeń atmosferycznych powiązanych z tymi wzorcami. W porównaniu z poprzednimi metodami dokładniej śledził trajektorie cyklonów i wykrywał rzeki atmosferyczne – żylaste obszary w atmosferze związane z powodziami.

GraphCast przewidział także nadejście ekstremalnych temperatur na długo przed obecnymi metodami. Z Rok 2024 ma być jeszcze cieplejszy i coraz częstsze występowanie ekstremalnych zjawisk pogodowych, przewidywania sztucznej inteligencji mogą dać społecznościom cenny czas na przygotowanie się i potencjalnie ratowanie życia.

„GraphCast jest obecnie najdokładniejszym na świecie 10-dniowym globalnym systemem prognozowania pogody i może przewidywać ekstremalne zdarzenia pogodowe w dalszej przyszłości, niż było to wcześniej możliwe” – autorzy napisał w poście na blogu DeepMind.

Deszczowe dni

Przewidywanie warunków pogodowych nawet na tydzień do przodu to stary, ale niezwykle trudny problem. Na tych prognozach opieramy wiele decyzji. Niektóre są osadzone w naszym codziennym życiu: Czy powinienem dziś chwycić za parasol? Inne decyzje dotyczą życia lub śmierci, na przykład kiedy wydać rozkaz ewakuacji lub schronienia się w danym miejscu.

Nasze obecne oprogramowanie prognostyczne opiera się w dużej mierze na modelach fizycznych atmosfery ziemskiej. Badając fizykę systemów pogodowych, naukowcy napisali szereg równań na podstawie danych zgromadzonych przez dziesięciolecia, które następnie wprowadzano do superkomputerów w celu generowania prognoz.

Wybitnym przykładem jest Zintegrowany System Prognozowania w Europejskim Centrum Prognoz Średnioterminowych. System wykorzystuje zaawansowane obliczenia oparte na naszej aktualnej wiedzy o wzorcach pogodowych, aby opracowywać prognozy co sześć godzin, dostarczając światu jedne z najdokładniejszych dostępnych prognoz pogody.

Ten system „i ogólnie współczesne prognozowanie pogody to triumfy nauki i inżynierii” – napisał zespół DeepMind.

Z biegiem lat dokładność metod opartych na fizyce szybko wzrosła, częściowo dzięki wydajniejszym komputerom. Są one jednak nadal czasochłonne i kosztowne.

To nie jest zaskakujące. Pogoda to jeden z najbardziej złożonych układów fizycznych na Ziemi. Być może słyszałeś o efekcie motyla: motyl trzepocze skrzydłami, a ta niewielka zmiana w atmosferze zmienia trajektorię tornada. Chociaż jest to tylko metafora, oddaje złożoność przewidywania pogody.

GraphCast przyjął inne podejście. Zapomnijmy o fizyce, znajdźmy wzorce wyłącznie w danych z przeszłości.

Meteorolog AI

GraphCast opiera się na typie sieci neuronowe który był wcześniej używany do przewidywania innych systemów opartych na fizyce, takich jak dynamika płynów.

Ma trzy części. Po pierwsze, koder odwzorowuje istotne informacje — powiedzmy temperaturę i wysokość nad poziomem morza w określonym miejscu — na skomplikowanym wykresie. Pomyśl o tym jak o abstrakcyjnej infografice, którą maszyny mogą łatwo zrozumieć.

Druga część to procesor, który uczy się analizować i przekazywać informacje do ostatniej części, czyli dekodera. Dekoder następnie przekłada wyniki na mapę prognoz pogody w świecie rzeczywistym. W sumie GraphCast może przewidzieć warunki pogodowe na następne sześć godzin.

Ale sześć godzin to nie 10 dni. Oto kicker. Sztuczna inteligencja może uczyć się na podstawie własnych prognoz. Przewidywania GraphCast są wykorzystywane jako dane wejściowe, co pozwala na stopniowe przewidywanie pogody w dalszych odstępach czasu. Zespół napisał, że jest to metoda stosowana również w tradycyjnych systemach prognozowania pogody.

GraphCast został przeszkolony na podstawie historycznych danych pogodowych sprzed prawie czterdziestu lat. Przyjmując strategię „dziel i rządź”, zespół podzielił planetę na małe obszary o wymiarach mniej więcej 17 na 17 mil na równiku. W efekcie powstało ponad milion „punktów” obejmujących cały glob.

W przypadku każdego punktu sztuczna inteligencja została przeszkolona na podstawie danych zebranych dwukrotnie – raz obecnie, a drugiego sześć godzin temu – i obejmowała dziesiątki zmiennych z powierzchni Ziemi i atmosfery, takich jak temperatura, wilgotność oraz prędkość i kierunek wiatru na wielu różnych wysokościach.

Szkolenie wymagało intensywnego przetwarzania danych i trwało miesiąc.

Jednak po przeszkoleniu sama sztuczna inteligencja jest bardzo wydajna. Może wygenerować 10-dniową prognozę za pomocą jednego TPU w niecałą minutę. Tradycyjne metody wykorzystujące superkomputery wymagają wielu godzin obliczeń – wyjaśnił zespół.

Ray of Light

Aby przetestować jego możliwości, zespół porównał GraphCast z obecnym złotym standardem przewidywania pogody.

Sztuczna inteligencja była dokładniejsza w prawie 90 procentach przypadków. Szczególnie wyróżniał się, gdy opierał się wyłącznie na danych z troposfery – warstwy atmosfery znajdującej się najbliżej Ziemi i krytycznej dla prognozowania pogody – pokonując konkurencję w 99.7 procentach przypadków. GraphCast również osiągnął lepsze wyniki Pangu-Pogoda, najbardziej konkurencyjny model pogody wykorzystujący uczenie maszynowe.

Następnie zespół przetestował GraphCast w kilku niebezpiecznych scenariuszach pogodowych: śledząc cyklony tropikalne, wykrywając rzeki atmosferyczne i prognozując ekstremalne upały i zimno. Chociaż sztuczna inteligencja nie została przeszkolona w zakresie konkretnych „znaków ostrzegawczych”, podniosła alarm wcześniej niż tradycyjne modele.

Model korzystał także z pomocy klasycznej meteorologii. Na przykład zespół dodał istniejące oprogramowanie do śledzenia cyklonów do prognoz GraphCast. Połączenie się opłaciło. We wrześniu sztuczna inteligencja z powodzeniem przewidziała trajektorię huraganu Lee, który przetoczył się przez wschodnie wybrzeże w kierunku Nowej Szkocji. System dokładnie przewidział uderzenie burzy w ląd z dziewięciodniowym wyprzedzeniem — o trzy cenne dni szybciej niż tradycyjne metody prognozowania.

GraphCast nie zastąpi tradycyjnych modeli opartych na fizyce. DeepMind ma raczej nadzieję, że może je wzmocnić. Europejskie Centrum Prognoz Średnioterminowych już eksperymentuje z modelem aby zobaczyć, jak można je uwzględnić w ich przewidywaniach. DeepMind pracuje również nad ulepszeniem zdolności sztucznej inteligencji do radzenia sobie z niepewnością, co jest krytyczną potrzebą, biorąc pod uwagę coraz bardziej nieprzewidywalne zachowanie pogody.

GraphCast nie jest jedynym meteorologiem opartym na sztucznej inteligencji. Badacze DeepMind i Google zbudowali wcześniej dwa regionalny modele które mogą dokładnie prognozować krótkoterminową pogodę na 90 minut lub 24 godziny do przodu. Jednak GraphCast może patrzeć dalej w przyszłość. W połączeniu ze standardowym oprogramowaniem pogodowym połączenie to może wpływać na decyzje dotyczące sytuacji awaryjnych związanych z pogodą lub wyznaczać kierunki polityki klimatycznej. Przynajmniej moglibyśmy czuć się pewniej, podejmując decyzję o zastosowaniu tego parasola w praktyce.

„Uważamy, że oznacza to punkt zwrotny w prognozowaniu pogody” – napisali autorzy.

Kredytowych Image: Google DeepMind

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/