ИИ впервые превзошел по точности традиционные прогнозы погоды

Модель GrapgCast разработала группа ученых из Google DeepMind. Она работает на основе машинного обучения с использованием исторических данных, в которых может находить неочевидные закономерности. В опубликованном исследовании ученые называют результат сравнения GrapCast с традиционными моделями «поворотным моментом» в прогнозировании климатических явлений.

Сегодня одной из самых точных систем предсказания погоды является High RESolution forecast (HRES), которую использует Европейский центр среднесрочных прогнозов погоды (ЕЦСПП). Она использует так называемый «численный прогноз»: система решает с помощью суперкомпьютеров множество уравнений, содержащих метеорологические данные.

У такого подхода есть недостатки: он требует больших вычислительных мощностей, а также ограничен закономерностями, которые выявили ученые и добавили в модель в виде дополнительных уравнений и их уточнений. Кроме того, модель не может обучаться на исторических данных — ей может помогать только исследователь.

Для изучения причинно-следственных связей систему обучили на массиве метеорологической информации за 40 лет. ЕЦСПП предоставил данные мониторинга со спутников, радаров и метеостанций. Алгоритм использует и традиционные подходы, если в наблюдениях обнаруживаются пробелы.

ИИ-модель составляет прогнозы в разрешении 0,25° широты и долготы. Это значит, что Земля разбита на миллион участков, по каждому из которых готовится прогноз с пятью переменными на земной поверхности и шестью атмосферными показателями, которые охватывают атмосферы в трех измерениях на 37 уровнях.

Система Graphcast создает точный 10-дневный прогноз менее чем за 1 минуту на одном устройстве Google Cloud TPU v4. При этом она тратит на несколько порядков меньше вычислительных данных, чем существующие суперкомпьютеры. Модель берет в качестве исходных данных два состояния погоды — в текущем времени и шесть часов назад, которые собрала ЕЦСПП.

GraphCast сравнили с системой HRES по ряду показателей, в том числе температуре, давлению, скорости и направлению ветра, влажности на разных уровнях атмосферы. Новая система превзошла HRES по 90,3% показателей из 1830. Также ученые тестировали GraphCast в предсказании явлений, которым он не был обучен: тропических циклонов, экстремальных температур и др.

Например, система прогнозировала ураган «Ли», который пришел в Канаду в сентябре этого года. GraphCast смогла предсказать, что ураган выйдет на берег в Новой Шотландии за девять дней до того, как это произошло. Традиционные системы смогли предсказать события лишь за шесть дней. Однако с предсказаниями усиления урагана «Отис» у побережья Мексики обе модели справились примерно одинаково.

Другое преимущество — это значительное удешевление стоимости прогнозов. Координатор машинного обучения ЕЦСПП Мэтью Чантри заявил, что GraphCast будет «чрезвычайно дешева в эксплуатации» и «примерно в тысячу раз дешевле с точки зрения энергопотребления». Тем не менее ИИ-модель критически зависит от качества и объема данных, источником которых служит архив традиционных, «численных» прогнозов.