GenCast: 気候の未来はここにあります! 🤖🌦

Google DeepMind の新しい AI モデルである GenCast は、従来の気象予報に匹敵するほどの精度を備えています。最近発表された研究によると、2019年のデータを使用したテストでは、主要な予測モデルを上回ったという。 🌦️✨

AI がすぐに従来の気象学に取って代わることはないでしょうが、天気を予測し、激しい嵐について国民に警告するための貴重なツールを追加できます。 GenCastは、開発中のAIモデルより正確な予測が可能になります。 🤖⛈️

GenCast は、より正確な予報を提供できる AI ベースの天気予報モデルの 1 つです 🌍💡

「気候は私たちの生活のほぼすべての側面に影響を与えています…そしてそれはまた、最大の科学的な課題「Google DeepMindは、利益のためにAIを進歩させる人類の。そういう意味では、これは重要な方法であり、重要な貢献であると思います。」 🌈📊

プライス氏と彼のチームは、ヨーロッパ中期予報センター（ECMWF）。調査によると、GenCast は ENS を 97.2% 上回った。今週の雑誌に掲載された自然。 📈🧐

GenCast は、1979 年から 2018 年までの気候データでトレーニングされた機械学習ベースの天気予測モデルです。このモデルは、40 年間の履歴データのパターンを認識することを学習し、その情報を使用して将来何が起こるかを予測します。これは、ENS のような従来のモデルの動作とは大きく異なります。ENS では、依然としてスーパーコンピューターに依存して複雑な方程式を解き、大気の物理をシミュレートしています。 GenCastとENSはどちらも全体的な予測さまざまなシナリオの可能性を提供します。 🌌🌪️

たとえば、熱帯低気圧の進路を予測することで、GenCast は平均 12 時間前に警告を提供できます。 GenCast は、一般的に、サイクロンの進路、異常気象、風力エネルギー生産を最大 15 日先まで予測するのに優れています。 🌪️⏳

GenCastのアンサンブル予報では、台風ハギビスの進路予想範囲が示されており、台風が日本沿岸に近づくにつれて進路予想がより正確になる。 🇯🇵🌊

GenCastのアンサンブル予報では、台風ハギビスの可能性のある一連の嵐の進路が示されています。画像: Google

注意すべき点は、GenCastはENSの古いバージョンに対してテストされたということである。ENSは現在、高解像度。査読済みの研究では、GenCastの予測とENSの2019年の予測を比較し、各モデルがその年の実際の状況にどの程度一致しているかを分析しています。 ECMWF 機械学習コーディネーターの Matt Chantry 氏によると、ENS システムは 2019 年以降大幅に改善されており、現在の GenCast と ENS を比較することは困難です。 🔍📉

確実な予測を行う上で解像度だけが重要な要素ではないことは明らかです。 ENS は 2019 年にはすでに GenCast よりもわずかに高い解像度で動作していましたが、それでも GenCast はそれを上回りました。 DeepMindは、2020年から2022年までのデータを用いて同様の研究を実施し、同様の結果を得たと主張しているが、これは査読されていない。しかし、ENS が大幅に高い解像度で運用を開始した 2023 年については、比較できるデータがありませんでした。 📊📈

GenCast は世界をグリッドに分割し、0.25 度の解像度で動作します。つまり、グリッド内の各正方形は、緯度の 1/4 度と経度の 1/4 度を測定します。比較すると、ENS は 2019 年に 0.2 度の解像度を使用していましたが、現在は 0.1 度になっています。 🌍🗺️

しかし、GenCastの開発は「天気予報の進化における重要なマイルストーンとなる」とチャントリー氏は電子メールでの声明で述べた。 ENSと並んで、ECMWFも独自の機械学習システム。チャントリー氏は「GenCast からインスピレーションを得ている」とコメントしています。 🌟🤓

スピードは GenCast にとって有利です。単一の Google Cloud TPU v5 を使用すると、わずか 8 分で 15 日間の予測を生成できます。 ENS のような物理ベースのモデルでは、同じことを実行するのに数時間かかる可能性があります。 GenCast は ENS が解決しなければならないすべての方程式を省略します。そのため、予測を作成するのに必要な時間と計算能力が少なくなります。 ⚡️💻

「計算上は、桁違いにコストがかかるモデルに対して従来の予測を実行する「GenCastのような」とプライス氏は言う。💰📉

この効率性は、近年グーグルの温室効果ガス排出量増加の一因となっているAIデータセンターの環境影響に対する懸念を軽減するのに役立つ可能性がある。しかし、機械学習モデルのトレーニングにどれだけのエネルギーが使用されているかがわからなければ、持続可能性の点で GenCast が物理ベースのモデルとどのように比較されるかを評価することは困難です。 🏭♻️

GenCast には、より高い解像度にスケーリングする機能など、まだ改善できる点が残っています。さらに、GenCast は、通常はより短い間隔で予測を発行する従来のモデルと比較して、12 時間間隔で予測を発行します。これは、これらの予測が現実世界でどのように使用されるか（たとえば、利用可能な風力発電の量を評価する）に影響を与える可能性があります🌪️⚡️。

「私たちは自分自身に問いかけています。これは良いことなのか？そして、なぜなのか？」 🤔

「午前6時と午後6時だけではなく、一日を通して風がどう振舞うかを知りたいのです」と、ジェンキャスト社の研究には関わっていないフロリダ大学の気象学助教授、スティーブン・マレンズ氏は言う。 🌞🌬️

AI を活用して予測を改善する方法に対する関心が高まっているものの、その有効性はまだ証明されていません。「人々はそれを注視している。気象学界全体がそれに納得しているとは思わない」とマレンズ氏は述べた。「私たちは物理学の観点から考える訓練を受けた科学者です…AIは根本的に物理学ではないため、依然として『これは良いことなのか？そして、なぜなのか？』と問う要素が残っています。」🤷‍♂️⚖️

予測者は GenCast を自分で試すことができます。ディープマインドはコードオープンソースモデルから。プライス氏は、ジェンキャストやその他の改良されたAIモデル従来のモデルと並行して現実世界で使用されています。「これらのモデルが専門家の手に渡ると、さらに信頼と自信が築かれます」とプライス氏は言う。「私たちは、これが広く社会的に影響を与えることを本当に望んでいます。」 🌍💡