GenCast, un nouveau modèle d’IA de Google DeepMind, est suffisamment précis pour rivaliser avec la météorologie traditionnelle. Lors de tests utilisant des données de 2019, il a surpassé un modèle de prévision de premier plan, selon une étude récemment publiée. 🌦️✨

L’IA ne remplacera pas la météorologie traditionnelle de sitôt, mais elle peut ajouter des outils précieux pour prévoir le temps et alerter le public en cas de tempêtes violentes. GenCast est l'un des nombreux Modèles d'IA en développement ce qui pourrait conduire à des prévisions plus précises. 🤖⛈️

« Le climat affecte pratiquement tous les aspects de nos vies… et c’est aussi l’un des plus grands défis scientifiques « Le prédire », explique Ilan Price, scientifique senior chez DeepMind. « Google DeepMind a pour mission de faire progresser l'IA au profit de l'humanité. Je pense que c’est une voie importante, une contribution clé dans ce sens. » 🌈📊

Price et son équipe ont effectué des tests avec GenCast sur le système ENS, l'un des modèles de prévision les plus avancés au monde, géré par le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT). Selon l'étude, GenCast a surpassé ENS 97.2% à ce moment-là. publié cette semaine dans le magazine Nature. 📈🧐

GenCast est un modèle de prévision météorologique basé sur l'apprentissage automatique, formé sur des données climatiques de 1979 à 2018. Ce modèle apprend à reconnaître des modèles dans quatre décennies de données historiques et utilise ces informations pour prédire ce qui pourrait se produire à l'avenir. C’est très différent du fonctionnement des modèles traditionnels comme l’ENS, qui s’appuient encore sur des superordinateurs pour résoudre des équations complexes et simuler la physique de l’atmosphère. GenCast et ENS produisent tous deux prévisions dans leur ensemble, qui offrent une variété de scénarios possibles. 🌌🌪️

Par exemple, en prédisant la trajectoire d’un cyclone tropical, GenCast peut fournir un avertissement en moyenne 12 heures à l’avance. GenCast est généralement plus efficace pour prédire les trajectoires des cyclones, les événements météorologiques extrêmes et la production d’énergie éolienne jusqu’à 15 jours à l’avance. 🌪️⏳

Un bémol est que GenCast a été testé sur une ancienne version de l'ENS, qui fonctionne désormais à un résolution plus élevée. La recherche évaluée par des pairs compare les prévisions de GenCast avec les prévisions de l'ENS pour 2019, analysant dans quelle mesure chaque modèle correspondait aux conditions réelles cette année-là. Selon Matt Chantry, coordinateur de l'apprentissage automatique de l'ECMWF, le système ENS s'est considérablement amélioré depuis 2019, ce qui rend difficile d'évaluer comment GenCast pourrait se comparer à l'ENS aujourd'hui. 🔍📉

Il est clair que la résolution n’est pas le seul facteur important pour faire des prédictions solides. ENS fonctionnait déjà à une résolution légèrement supérieure à celle de GenCast en 2019, mais GenCast a quand même réussi à la surpasser. DeepMind affirme avoir mené des études similaires avec des données de 2020 à 2022 et avoir trouvé des résultats similaires, bien que cela n'ait pas été évalué par des pairs. Cependant, il n’y avait pas de données à comparer pour 2023, lorsque l’ENS a commencé à fonctionner à une résolution nettement plus élevée. 📊📈

En divisant le monde en une grille, GenCast fonctionne à une résolution de 0,25 degré, ce qui signifie que chaque carré de cette grille mesure un quart de degré de latitude par un quart de degré de longitude. En comparaison, l’ENS utilisait une résolution de 0,2 degré en 2019 et est maintenant à 0,1 degré. 🌍🗺️

Cependant, le développement de GenCast « marque une étape importante dans l’évolution des prévisions météorologiques », a déclaré Chantry dans un communiqué envoyé par courrier électronique. Parallèlement à l'ENS, l'ECMWF gère également sa propre version d'un système d'apprentissage automatique. Chantry commente qu’il « s’inspire un peu de GenCast ». 🌟🤓

La vitesse est un avantage pour GenCast. Vous pouvez générer une prévision sur 15 jours en seulement huit minutes à l'aide d'un seul Google Cloud TPU v5. Les modèles basés sur la physique comme l’ENS pourraient prendre plusieurs heures pour faire la même chose. GenCast omet toutes les équations que l'ENS doit résoudre, ce qui explique pourquoi il nécessite moins de temps et de puissance de calcul pour produire une prévision. ⚡️💻

« En termes de calcul, c'est bien plus cher exécuter des prévisions traditionnelles par rapport à un modèle « Comme GenCast », explique Price. 💰📉

Cette efficacité pourrait contribuer à apaiser certaines inquiétudes concernant l’impact environnemental des centres de données d’IA, qui ont déjà contribué à l’augmentation des émissions de gaz à effet de serre de Google ces dernières années. Cependant, il est difficile d’évaluer comment GenCast se compare aux modèles basés sur la physique en termes de durabilité sans savoir quelle quantité d’énergie est utilisée pour former le modèle d’apprentissage automatique. 🏭♻️

GenCast peut encore apporter des améliorations, notamment la possibilité de passer à une résolution plus élevée. De plus, GenCast émet des prévisions à des intervalles de 12 heures par rapport aux modèles traditionnels, qui émettent généralement des prévisions à des intervalles plus courts. Cela peut influencer la manière dont ces prévisions peuvent être utilisées dans le monde réel (par exemple, pour évaluer la quantité d’énergie éolienne qui sera disponible) 🌪️⚡️.

« Vous voulez savoir comment le vent se comportera tout au long de la journée, pas seulement à 6 heures du matin et à 18 heures », explique Stephen Mullens, professeur adjoint de météorologie à l'Université de Floride, qui n'a pas participé à la recherche GenCast. 🌞🌬️

Bien que l’intérêt pour la manière dont l’IA peut être utilisée pour améliorer les prévisions soit croissant, son efficacité n’a pas encore été prouvée. « Les gens s'y intéressent. Je ne pense pas que toute la communauté météorologique en soit convaincue », a déclaré Mullens. « Nous sommes des scientifiques formés qui raisonnons en termes de physique… et comme l'IA n'est pas fondamentalement de la physique, il y a toujours un élément qui nous amène à nous demander : "Est-ce une bonne chose ? Et pourquoi ?" » 🤷‍♂️⚖️

Les prévisionnistes peuvent essayer GenCast eux-mêmes ; DeepMind a publié le code de son modèle open source. Price dit qu'il voit GenCast et d'autres modèles d'IA améliorés utilisé dans le monde réel aux côtés des modèles traditionnels. « Une fois que ces modèles sont entre les mains de professionnels, la confiance s’installe davantage », explique Price. « Nous voulons vraiment que cela ait un large impact social. » 🌍💡