Новая компьютерная ИИ-модель GraphCast для предсказания погоды, созданная Google, во много раз превзошла традиционные способы, которые десятилетиями использовались по всему миру и привлекали многомиллионные инвестиции. Европейская модель прогнозирования погоды считалась «золотым стандартом» в метеорологии, но и её результаты оказались хуже, чем предсказания ИИ от Google. Подробности и перспективы технологии — под катом.
![](https://habrastorage.org/getpro/habr/upload_files/8cd/4b6/d94/8cd4b6d94ebf9c89345c7ac2cb57f7c0.jpg)
Сюрприз от Урагана Ли
В сентябре 2023 года исследователи из подразделения DeepMind AI компании Google сфокусировали усилия на предсказаниях погоды в США. И не просто так: дело в том, что как раз в то время ураган Ли находился по крайней мере в 10 днях от береговой линии и населённых пунктов. Метеорологи колебались в своих прогнозах: обрушится ли шторм на крупные северо-восточные города Северной Америки или пройдет мимо? Собственное экспериментальное программное обеспечение Google дало учёным неожиданный прогноз, а именно, что ураган пройдет гораздо дальше на север. Традиционные модели показывали иную картину, согласно которой ураган должен был зайти на побережье.
![](https://habrastorage.org/getpro/habr/upload_files/a9f/a6e/bec/a9fa6ebec1fa07d2d231380e09d40e0a.jpg)
Представитель команды исследователей Реми Лам говорит, что они не покидали свои рабочие места все эти дни, пока продолжалась работа над прогнозом. Полторы недели спустя ураган Ли нанёс свой удар именно в ту область, как и предсказал GraphCast — Лонг-Айленд и Новую Шотландию вдалеке от населенных пунктов.
Мэтью Чантри, координатор машинного обучения в Европейском центре среднесрочных прогнозов погоды ECMWF, отметил, что системы искусственного интеллекта в метеорологии развивались намного быстрее и результативнее, чем все могли ожидать ещё два года назад. «Мы обнаружили, что GraphCast даже более точный и последовательный в своих прогнозах, чем другие существующие модели машинного обучения, например, Pangu-Weather от Huawei или FourCastNet от Nvidia», — заявил Чантри.
Марк ДэМария, метеоролог из Университета Колорадо, который долгое время работал в Национальном Центре Ураганов США, признаёт, что скептически относился к возможностям искусственного интеллекта в прогнозировании погоды. Теперь сомнения многих синоптиков поменялись на ожидание фундаментальных изменений в метеорологии.
Так начинается дождь или только кажется?
Традиционные модели прогнозов погоды состоят из множества уравнений, которые описывают сложную динамику земной атмосферы. Постоянные наблюдения в режиме реального времени за такими факторами как температура, ветер и влажность позволяют учёным предсказывать погоду на ближайшее время. На протяжении последних десятилетий эти прогнозы становились всё более точными по мере того как учёные углубляли свое понимание физики атмосферных явлений, а объём собираемых данных увеличивался.
То, что делают метеорологи, можно назвать «укрощением» физики хаотических явлений. В 1960-х годах метеоролог и математик Эдвард Лоренц заложил основы теории хаоса. Он заметил, что маленькие неопределенности в данных о погоде могут привести к совершенно колоссальным результатам. Метафору Лоренца об эффекте бабочке, которая взмахом крыльев может вызвать ураган, слышал каждый. По мнению учёного, состояние атмосферы можно прогнозировать максимум на 2 недели вперёд с большими отклонениями от будущей реальности. И у каждого из нас были моменты, когда попытки подстроиться под погоду терпели крах, а планы рушились из-за совершенно противоположных от прогноза климатических явлений.
Учёные надеются, что искусственный интеллект сможет сделать прогнозы гораздо более точными. Новые погодные модели не имеют встроенных формул и условий, а работают по аналогии с ChatGPT. Например, чат-ботам на основе ИИ не интегрируют правила грамматики и синтаксиса. Они самостоятельно их осваивают после обработки определенного количества данных. Аналогичным образом новые модели прогнозирований погоды изучают собранные данные, накопившиеся за десятилетия в реанализе ERA5 от ECMWF.
![](https://habrastorage.org/getpro/habr/upload_files/5db/2c7/cd3/5db2c7cd32bba3ffcbee56c1d63b1536.png)
Проблема заключается в том, что алгоритмы, лежащие в основе ChatGPT, были обучены на основе огромного количества данных, но для атмосферных явлений такого объёма данных нет. Поэтому нет и гарантий, что GraphCast будет корректно работать, как утверждает Мэтью Чантри. В частности, на ураганы приходится лишь незначительная часть из всего объёма существующих данных для обучения ИИ-моделей. То, что правильно предсказанные прогнозы для урагана Ли и некоторых других явлений оказались верными, свидетельствует только о правильном выборе и использовании данных физики атмосферы алгоритмами GraphCast.
Алгоритмы машинного обучения используют сведения о наиболее распространённых явлениях, при этом они могут преуменьшать значение более редких явлений, таких как экстремальные тепловые волны или тропические штормы. Также ИИ-модели для предсказания погоды не могут корректно оценивать ситуацию с осадками.
Шакир Мохамед, научный директор DeepMind, говорит, что дождь, снег и экстремальные погодные явления, в предсказании которых люди заинтересованы больше всего, являются самой сложной задачей для ИИ-алгоритмов. Существуют иные методы прогнозирования осадков, в том числе локализованный радиолокационный подход NowCasting, разработанный DeepMind. Но интеграция двух систем — сложная задача. Исследователи считают, что необходима более точная информация для новых ИИ-моделей, чтобы улучшить результаты прогнозирования. Кроме того, учёные уже занимаются вопросом изменения GraphCast и других моделей для расширениях их функционала, в частности, для предсказания необычных и редких явлений на Земле.
Работа над ошибками
В сравнении с традиционными методами и программами прогноза погоды ИИ модели всё равно побеждают по ряду параметров. Рассмотрим такой пример. Метеорологи и должностные лица, отвечающие за предупреждение и ликвидацию последствий стихийных бедствий, стараются получать максимально точные данные про вероятность и сценарии стихийных бедствий. В этом им помогает создание комплексных прогнозов, которые учитывают все риски и показывают разные возможные результаты. Например, модель «спагетти» используется для предсказания сценариев погоды в тропических регионах, но расчёт каждой ветки занимает много времени.
Возможности искусственного интеллекта, напротив, помогут создать несколько проекций модели «спагетти» за считанные минуты. «Если у вас есть уже обученная ИИ-модель, то даже на старой видеокарте можно получить “спагетти” через 40 секунд. Так что вы можете разработать комплексную модель, которую иными методами при помощи традиционных способов реализовать нельзя», — говорит метеоролог Марк ДэМария.
![](https://habrastorage.org/getpro/habr/upload_files/3c1/541/a9b/3c1541a9baaf62c0918413885d35ff91.jpg)
К сожалению, есть одна слабость всех моделей машинного обучения. При предсказании погоды важно понимать, насколько прогноз может быть неточным исходя из текущих показателей. Лингси Се, старший исследователь ИИ в Huawei, говорит о том, что самое главное для метеорологов при получении прогноза — пояснение к нему. «Мы не можем дать им этого», — говорит он. По этой же причине рано говорить о том, что ИИ полностью заменит традиционную метеорологию в ближайшее время. Также для прогнозов на основе искусственного интеллекта любого рода важны «чистые» наблюдения и данные, свободные от следов самолетов, спутников, разных датчиков.
Комментарии (4)
ZekaVasch
21.11.2023 09:40+2https://habr.com/ru/articles/775236/ тут в разы интереснее, чем этот текст ради текста
Lazhu
Если прогноз погоды будет работать, как чатжпт, зима и лето поменяются местами