Google DeepMind AI oferă prognoze meteo super precise pe 10 zile

Anul acesta a fost o paradă fără oprire a evenimentelor meteorologice extreme. Căldura fără precedent a măturat globul. Vara asta a fost cel mai fierbinte de pe Pământ din 1880. De la inundațiile fulgerătoare din California și furtunile de gheață din Texas până la incendiile devastatoare din Maui și Canada, evenimentele legate de vreme au afectat profund viețile și comunitățile.

Fiecare secundă contează când vine vorba de prezicerea acestor evenimente. AI ar putea ajuta.

Săptămâna aceasta, Google DeepMind a lansat un AI care oferă prognoze meteo pe 10 zile cu o precizie și o viteză fără precedent. Denumit GraphCast, modelul poate trece prin sute de puncte de date legate de vreme pentru o anumită locație și poate genera predicții în mai puțin de un minut. Când a fost provocată de peste o mie de modele meteorologice potențiale, AI a depășit sistemele de ultimă generație în aproximativ 90 la sută din timp.

Dar GraphCast nu este doar despre construirea unei aplicații meteo mai precise pentru alegerea dulapurilor.

Deși nu a fost antrenat în mod explicit pentru a detecta modele meteorologice extreme, AI a detectat mai multe evenimente atmosferice legate de aceste modele. În comparație cu metodele anterioare, a urmărit cu mai multă acuratețe traiectoriile ciclonilor și a detectat râurile atmosferice - regiuni nervoase din atmosferă asociate cu inundațiile.

GraphCast a prezis, de asemenea, apariția temperaturilor extreme cu mult înainte de metodele actuale. Cu 2024 va fi și mai cald și evenimentele meteorologice extreme în creștere, predicțiile AI ar putea oferi comunităților timp prețios pentru a se pregăti și, eventual, a salva vieți.

„GraphCast este acum cel mai precis sistem de prognoză meteo globală pe 10 zile din lume și poate prezice evenimente meteorologice extreme mai departe în viitor decât era posibil anterior”, autorii. scris într-o postare de blog DeepMind.

Zile ploioase

Prezicerea tiparelor vremii, chiar și cu doar o săptămână înainte, este o problemă veche, dar extrem de provocatoare. Ne bazăm multe decizii pe aceste previziuni. Unele sunt încorporate în viața noastră de zi cu zi: Ar trebui să-mi iau umbrela astăzi? Alte decizii sunt pe viață sau pe moarte, cum ar fi când să emită ordine de evacuare sau de adăpost.

Software-ul nostru actual de prognoză se bazează în mare parte pe modele fizice ale atmosferei Pământului. Examinând fizica sistemelor meteorologice, oamenii de știință au scris o serie de ecuații din decenii de date, care sunt apoi introduse în supercalculatoare pentru a genera predicții.

Un exemplu proeminent este Sistemul Integrat de Prognoză de la Centrul European pentru Prognozele Meteo pe Interval Mediu. Sistemul folosește calcule sofisticate bazate pe înțelegerea noastră actuală a modelelor meteorologice pentru a produce predicții la fiecare șase ore, oferind lumii unele dintre cele mai precise prognoze meteo disponibile.

Acest sistem „și prognoza meteo modernă în general, sunt triumfuri ale științei și ingineriei”, a scris echipa DeepMind.

De-a lungul anilor, metodele bazate pe fizică s-au îmbunătățit rapid în precizie, în parte datorită calculatoarelor mai puternice. Dar ele rămân consumatoare de timp și costisitoare.

Acest lucru nu este surprinzător. Vremea este unul dintre cele mai complexe sisteme fizice de pe Pământ. Poate că ați auzit de efectul fluture: un fluture își bate aripile, iar această mică schimbare a atmosferei modifică traiectoria unei tornade. Deși este doar o metaforă, surprinde complexitatea predicției vremii.

GraphCast a adoptat o abordare diferită. Uitați de fizică, să găsim modele numai în datele meteorologice din trecut.

Un meteorolog AI

GraphCast se bazează pe un tip de rețele neuronale care a fost folosit anterior pentru a prezice alte sisteme bazate pe fizică, cum ar fi dinamica fluidelor.

Are trei părți. În primul rând, codificatorul mapează informații relevante - să zicem, temperatura și altitudinea la o anumită locație - pe un grafic complicat. Gândiți-vă la aceasta ca la o infografică abstractă pe care mașinile o pot înțelege cu ușurință.

A doua parte este procesorul care învață să analizeze și să transmită informații către partea finală, decodorul. Apoi, decodorul traduce rezultatele într-o hartă de predicție a vremii din lumea reală. În total, GraphCast poate prezice modele meteorologice pentru următoarele șase ore.

Dar șase ore nu înseamnă 10 zile. Aici e kickerul. AI poate învăța din propriile previziuni. Predicțiile GraphCast sunt reintroduse în sine ca intrare, permițându-i să prezică progresiv vremea mai departe în timp. Este o metodă care este folosită și în sistemele tradiționale de predicție a vremii, a scris echipa.

GraphCast a fost instruit pe aproape patru decenii de date meteo istorice. Luând o strategie de împărțire și cucerire, echipa a împărțit planeta în mici pete, de aproximativ 17 pe 17 mile la ecuator. Acest lucru a dus la peste un milion de „puncte” care acoperă globul.

Pentru fiecare punct, AI a fost antrenat cu date culese de două ori – unul curent, celălalt în urmă cu șase ore – și a inclus zeci de variabile de la suprafața și atmosfera Pământului – cum ar fi temperatura, umiditatea și viteza și direcția vântului la multe altitudini diferite.

Antrenamentul a fost intensiv din punct de vedere informatic și a durat o lună pentru a fi finalizat.

Odată antrenat, totuși, AI în sine este foarte eficient. Poate produce o prognoză pe 10 zile cu un singur TPU în mai puțin de un minut. Metodele tradiționale care utilizează supercalculatoare necesită ore de calcul, a explicat echipa.

Ray of Light

Pentru a-și testa abilitățile, echipa a pus în comparație GraphCast cu standardul de aur actual pentru predicția vremii.

AI a fost mai precis în aproape 90 la sută din timp. A excelat în special atunci când s-a bazat doar pe datele din troposferă – stratul de atmosferă cel mai apropiat de Pământ și critic pentru prognoza meteo – învingând concurența în 99.7 la sută din timp. GraphCast a depășit și el Pangu-Vremea, un model meteo concurent de top care folosește învățarea automată.

Apoi, echipa a testat GraphCast în mai multe scenarii meteorologice periculoase: urmărirea ciclonilor tropicali, detectarea râurilor atmosferice și prognozarea căldurii și frigului extrem. Deși nu a fost instruit cu privire la „semne de avertizare” specifice, AI a tras alarma mai devreme decât modelele tradiționale.

Modelul a avut și ajutor de la meteorologia clasică. De exemplu, echipa a adăugat software-ul existent de urmărire a ciclonilor la prognozele GraphCast. Combinația a dat roade. În septembrie, AI a prezis cu succes traiectoria uraganului Lee în timp ce a măturat coasta de est spre Nova Scoția. Sistemul a prezis cu exactitate aterizarea furtunii cu nouă zile înainte - cu trei zile prețioase mai repede decât metodele tradiționale de prognoză.

GraphCast nu va înlocui modelele tradiționale bazate pe fizică. Mai degrabă, DeepMind speră că le poate întări. Centrul european pentru prognoze meteo pe termen mediu experimentează deja modelul pentru a vedea cum ar putea fi integrat în predicțiile lor. DeepMind lucrează, de asemenea, pentru a îmbunătăți capacitatea AI de a gestiona incertitudinea - o nevoie critică, având în vedere comportamentul din ce în ce mai imprevizibil al vremii.

GraphCast nu este singurul meteorolog AI. Cercetătorii DeepMind și Google au creat anterior două regional Modele care poate prognoza cu precizie vremea pe termen scurt cu 90 de minute sau 24 de ore înainte. Cu toate acestea, GraphCast poate privi mai departe. Atunci când este utilizată cu software-ul meteorologic standard, combinația poate influența deciziile privind urgențele meteorologice sau poate ghida politicile climatice. Cel puțin, ne-am putea simți mai încrezători în decizia de a aduce acea umbrelă la lucru.

„Credem că acesta marchează un punct de cotitură în prognoza meteo”, au scris autorii.

Credit imagine: Google DeepMind

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
• PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
• PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
• PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
• Sursa: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/