Моделът GraphCast AI бележи повратна точка в прогнозирането на времето

Изкуствен интелект за първи път убедително надмина конвенционалните методи за прогнозиране при прогнозиране на времето по света до 10 дни напред.

Моделът GraphCast AI "бележи повратна точка в прогнозирането на времето", казаха неговите разработчици от Google DeepMind в рецензирана статия, публикувана в списание Science във вторник. Обширният анализ показва, че GraphCast е по-точна от водещата в света конвенционална система за прогнози за срок 3-10 дни напред, която се управлява от Европейския център за средносрочни прогнози за времето (ECMWF).

Превъзходството над продукта на ECMWF е в 90 процента от използваните 1380 показателя, които включват температура, налягане, скорост и посока на вятъра и влажност на различни нива на атмосферата.

"Файненшъл таймс" цитира Матю Чантри, координатор на машинното обучение в ECMWF, да казва, че системите с изкуствен интелект в метеорологията са напреднали "много по-бързо и по-впечатляващо, отколкото очаквахме дори преди две години".

ECMWF, междуправителствена институция със седалище в Рединг (Великобритания), прави прогнози на живо от ИИ модели на Huawei (Pangu-Weather ) и Nvidia (FourCastNet), както и DeepMind (GraphCast) заедно със собствената си интегрирана система за прогнозиране.

• GraphCast използва архитектура за машинно обучение, наречена графична невронна мрежа, която се учи от повече от данни на ECMWF, събирани 40 години, за това как метеорологичните системи се развиват и движат по земното кълбо.
• Входящите данни за неговите прогнози са състоянията на атмосферата в световен мащаб в настоящия момент и шест часа по-рано, събрани от ECMWF от глобални метеорологични наблюдения.
• GraphCast изготвя 10-дневна прогноза в рамките на минута на един Google TPU v4 облачен компютър.

Конвенционалният метод, използван от ECMWF и световните национални метеорологични служби, известен като числено прогнозиране на времето, използва суперкомпютри за обработка на уравнения, базирани на научни познания за атмосферната физика - енергоемък процес което отнема няколко часа.

"Веднъж обучен, GraphCast е изключително евтин за работа", каза Чантри. "Може да говорим за хиляда пъти по-евтино по отношение на потреблението на енергия. Това е чудотворно подобрение."

Като пример за успешна прогноза учените от DeepMind посочват урагана "Лий" в северната част на Атлантическия океан през септември. "GraphCast успя да предскаже правилно, че "Лий" ще стигне до Нова Скотия девет дни преди това да се случи, в сравнение със само шест дни за традиционните подходи", каза Реми Лам, водещ автор на статията Science. "Това даде на хората още три дни да се подготвят за пристигането му."

ИИ обаче не се представи по-добре от конвенционалните физически модели при прогнозирането на внезапното експлозивно засилване на урагана "Отис" край тихоокеанското крайбрежие на Мексико, който без предупреждение опустоши Акапулко на 25 октомври.