АІ упершыню перасягнуў па дакладнасці традыцыйныя прагнозы надвор'я

Мадэль GrapgCast распрацавала група навукоўцаў з Google DeepMind. Яна працуе на аснове машыннага навучання з выкарыстаннем гістарычных даных, у якіх можа знаходзіць невідавочныя заканамернасці. У апублікаваным даследаванні навукоўцы называюць вынік параўнання GrapCast з традыцыйнымі мадэлямі «паваротным момантам» у прагназаванні кліматычных з’яў.

Сёння адной з самых дакладных сістэм прадказання надвор’я з’яўляецца High RESolution forecast (HRES), якую выкарыстоўвае Еўрапейскі цэнтр сярэднетэрміновых прагнозаў надвор’я (ЕЦСПН). Яна выкарыстоўвае так званы «колькасны прагноз»: сістэма вырашае з дапамогай суперкамп’ютараў мноства раўнанняў, якія змяшчаюць метэаралагічныя даныя.

У такога падыходу ёсць недахопы: ён патрабуе вялікіх вылічальных магутнасцяў, а таксама абмежаваны заканамернасцямі, якія выявілі навукоўцы і дадалі ў мадэль у выглядзе дадатковых раўнанняў і іх удакладненняў. Акрамя таго, мадэль не можа навучацца на гістарычных даных — ёй можа дапамагаць толькі даследчык.

Для вывучэння прычынна-выніковых сувязяў сістэму навучылі на масіве метэаралагічнай інфармацыі за 40 гадоў. ЕЦСПН выдаў даныя маніторынгу са спадарожнікаў, радараў і метэастанцый. Алгарытм выкарыстоўвае і традыцыйныя падыходы, калі ў назіраннях выяўляюцца прабелы.

АІ-мадэль складае прагнозы ў разрознасці 0,25° шыраты і даўгаты. Гэта значыць, што Зямля разбітая на мільён участкаў, на кожны з якіх рыхтуецца прагноз з пяццю зменнымі на зямной паверхні і шасцю атмасфернымі паказчыкамі, якія ахопліваюць атмасферу ў трох вымярэннях на 37 узроўнях.

Сістэма Graphcast стварае дакладны 10-дзённы прагноз менш як за 1 хвіліну на адной прыладзе Google Cloud TPU v4. Пры гэтым яна выдаткоўвае на некалькі парадкаў менш вылічальных даных, ніж існыя суперкамп’ютары. Мадэль бярэ ў якасці зыходных даных два станы надвор’я — у цяперашнім часе і шэсць гадзін таму, якія сабрала ЕЦСПН.

GraphCast параўналі з сістэмай HRES па шэрагу паказчыкаў, у тым ліку тэмпературы, ціску, хуткасці і кірунку ветру, вільготнасці на розных узроўнях атмасферы. Новая сістэма перасягнула HRES па 90,3% паказчыкаў з 1830. Таксама навукоўцы тэсціравалі GraphCast у прадказанні з’яў, якім ён не быў навучаны: трапічных цыклонаў, экстрэмальных тэмператур і інш.

Напрыклад, сістэма прагназавала ўраган «Лі», які прыйшоў у Канаду ў верасні гэтага года. GraphCast змагла прадказаць, што ўраган выйдзе на бераг у Новай Шатландыі за дзевяць дзён да таго, як гэта адбылося. Традыцыйныя сістэмы змаглі прадказаць падзеі толькі за шэсць дзён. Аднак з прадказаннямі ўзмацнення ўрагану «Оціс» ля ўзбярэжжа Мексікі абедзве мадэлі справіліся прыкладна аднолькава.

Іншая перавага — гэта значнае патанненне кошту прагнозаў. Каардынатар машыннага навучання ЕЦСПН Мэцью Чантры заявіў, што GraphCast будзе «надзвычай танная ў эксплуатацыі» і «прыкладна ў тысячу разоў таннейшая з пункта гледжання энергаспажывання». Тым не менш АІ-мадэль крытычна залежыць ад якасці і аб’ёму даных, крыніцай якіх служыць архіў традыцыйных, «лікавых» прагнозаў.