Google DeepMind AI делает сверхточные прогнозы погоды на 10 дней

В этом году был безостановочный парад экстремальных погодных явлений. Беспрецедентная жара охватила земной шар. Этим летом был самым жарким на Земле с 1880 года. От ливневых наводнений в Калифорнии и ледяных бурь в Техасе до разрушительных лесных пожаров на острове Мауи и в Канаде – погодные явления глубоко повлияли на жизни и сообщества.

Когда дело доходит до прогнозирования этих событий, на счету каждая секунда. ИИ мог бы помочь.

На этой неделе Google DeepMind выпустил ИИ который предоставляет 10-дневные прогнозы погоды с беспрецедентной точностью и скоростью. Модель, получившая название GraphCast, может обрабатывать сотни точек данных, связанных с погодой, для заданного местоположения и генерировать прогнозы менее чем за минуту. Когда ИИ сталкивается с более чем тысячей потенциальных погодных условий, он превосходит самые современные системы примерно в 90 процентах случаев.

Но GraphCast — это не просто создание более точного погодного приложения для выбора гардероба.

Хотя ИИ не был специально обучен обнаруживать экстремальные погодные условия, ИИ уловил несколько атмосферных явлений, связанных с этими закономерностями. По сравнению с предыдущими методами он более точно отслеживал траектории циклонов и обнаруживал атмосферные реки — жилистые области в атмосфере, связанные с наводнениями.

GraphCast также предсказал наступление экстремальных температур задолго до того, как это сделали нынешние методы. С 2024 год обещает быть еще теплее и экстремальных погодных явлений, прогнозы ИИ могут дать сообществам ценное время для подготовки и потенциального спасения жизней.

«GraphCast теперь является самой точной 10-дневной глобальной системой прогнозирования погоды в мире и может предсказывать экстремальные погодные явления в более отдаленном будущем, чем это было возможно ранее», — авторы. писал в сообщении блога DeepMind.

Дождливые дни

Прогнозирование погодных условий, даже на неделю вперед, является старой, но чрезвычайно сложной проблемой. Многие решения мы основываем на этих прогнозах. Некоторые из них встроены в нашу повседневную жизнь: Стоит ли мне сегодня взять зонтик? Другие решения — это вопрос жизни и смерти, например, когда отдавать приказ об эвакуации или укрытии на месте.

Наше нынешнее программное обеспечение для прогнозирования в значительной степени основано на физических моделях атмосферы Земли. Изучая физику погодных систем, ученые написали ряд уравнений на основе данных, накопленных за десятилетия, которые затем передаются в суперкомпьютеры для создания прогнозов.

Ярким примером является Интегрированная система прогнозирования Европейского центра среднесрочных прогнозов погоды. Система использует сложные вычисления, основанные на нашем текущем понимании погодных условий, чтобы выдавать прогнозы каждые шесть часов, предоставляя миру одни из самых точных прогнозов погоды.

Эта система «и современное прогнозирование погоды в целом являются триумфом науки и техники», — пишет команда DeepMind.

С годами точность методов, основанных на физике, быстро улучшилась, отчасти благодаря появлению более мощных компьютеров. Но они остаются трудоемкими и дорогостоящими.

Это неудивительно. Погода – одна из самых сложных физических систем на Земле. Возможно, вы слышали об эффекте бабочки: бабочка взмахивает крыльями, и это крошечное изменение в атмосфере меняет траекторию торнадо. Хотя это всего лишь метафора, она отражает сложность прогнозирования погоды.

GraphCast применил другой подход. Забудем о физике, давайте найдем закономерности только в прошлых погодных данных.

ИИ-метеоролог

GraphCast основан на типе нейронной сети ранее это использовалось для прогнозирования других систем, основанных на физике, таких как гидродинамика.

Он состоит из трех частей. Сначала кодер отображает соответствующую информацию — скажем, температуру и высоту в определенном месте — на сложный график. Думайте об этом как об абстрактной инфографике, которую машины могут легко понять.

Вторая часть — это процессор, который учится анализировать и передавать информацию в финальную часть — декодер. Затем декодер преобразует результаты в реальную карту прогноза погоды. В общей сложности GraphCast может прогнозировать погодные условия на следующие шесть часов.

Но шесть часов — это не 10 дней. Вот кикер. ИИ может учиться на собственных прогнозах. Прогнозы GraphCast передаются самому себе в качестве входных данных, что позволяет ему постепенно прогнозировать погоду на более отдаленные периоды времени. Команда пишет, что этот метод также используется в традиционных системах прогнозирования погоды.

GraphCast обучался на исторических данных о погоде почти за четыре десятилетия. Приняв стратегию «разделяй и властвуй», команда разделила планету на небольшие участки примерно 17 на 17 миль по экватору. В результате было создано более миллиона «точек», охватывающих весь земной шар.

Для каждой точки ИИ обучался с использованием данных, собранных дважды — один текущий, другой шесть часов назад — и включал десятки переменных с поверхности и атмосферы Земли, таких как температура, влажность, скорость и направление ветра на разных высотах.

Обучение было трудоемким и заняло месяц.

Однако после обучения ИИ сам по себе становится очень эффективным. Он может составить прогноз на 10 дней с помощью одного TPU менее чем за минуту. Традиционные методы с использованием суперкомпьютеров требуют часов вычислений, объяснили команда.

Луч света

Чтобы проверить свои возможности, команда сравнила GraphCast с текущим золотым стандартом прогнозирования погоды.

ИИ был точнее почти в 90 процентах случаев. Он особенно преуспел, полагаясь только на данные из тропосферы — слоя атмосферы, ближайшего к Земле и имеющего решающее значение для прогнозирования погоды, — обойдя конкурентов в 99.7 процентах случаев. GraphCast также превзошел результаты Pangu-Погода, ведущая конкурирующая погодная модель, использующая машинное обучение.

Затем команда протестировала GraphCast в нескольких опасных погодных сценариях: отслеживание тропических циклонов, обнаружение атмосферных рек и прогнозирование экстремальной жары и холода. Хотя ИИ не обучен работе с конкретными «предупреждающими знаками», он поднял тревогу раньше, чем традиционные модели.

Модель также опиралась на классическую метеорологию. Например, команда добавила существующее программное обеспечение для отслеживания циклонов в прогнозы GraphCast. Комбинация принесла свои плоды. В сентябре ИИ успешно предсказал траекторию урагана Ли, пронесшегося по восточному побережью в направлении Новой Шотландии. Система точно предсказала выход урагана на берег за девять дней — на три драгоценных дня быстрее, чем традиционные методы прогнозирования.

GraphCast не заменит традиционные модели, основанные на физике. Скорее, DeepMind надеется, что сможет их поддержать. Европейский центр среднесрочных прогнозов погоды уже экспериментирует с моделью чтобы увидеть, как это можно интегрировать в их прогнозы. DeepMind также работает над улучшением способности ИИ справляться с неопределенностью, что является критической необходимостью, учитывая все более непредсказуемое поведение погоды.

GraphCast — не единственный метеоролог с искусственным интеллектом. Исследователи DeepMind и Google ранее построили два региональный Модели который может точно предсказать краткосрочную погоду на 90 минут или 24 часа вперед. Однако GraphCast может заглянуть еще дальше. При использовании со стандартным метеорологическим программным обеспечением эта комбинация может влиять на решения по погодным чрезвычайным ситуациям или определять климатическую политику. По крайней мере, мы могли бы чувствовать себя более уверенно, приняв решение заставить этот зонтик работать.

«Мы считаем, что это знаменует собой поворотный момент в прогнозировании погоды», — пишут авторы.

Изображение Фото: Google DeepMind

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://singularityhub.com/2023/11/16/google-deepmind-ai-nails-super-accurate-10-day-weather-forecasts/