GenCast: 기후의 미래가 여기에 있습니다! 🤖🌦
Google DeepMind의 새로운 AI 모델인 GenCast는 기존 기상학과 경쟁할 만큼 정확합니다. 최근 발표된 연구에 따르면, 2019년 데이터를 사용한 테스트에서 주요 예측 모델보다 우수한 성과를 보였습니다. 🌦️✨
AI가 당장 전통적인 기상학을 대체할 수는 없겠지만, 날씨를 예측하고 심각한 폭풍에 대한 경고를 대중에게 전달하는 데 귀중한 도구를 제공할 수 있습니다. GenCast는 여러 중 하나입니다 개발 중인 AI 모델 이를 통해 더 정확한 예측이 가능해질 수 있습니다. 🤖⛈️
GenCast는 더욱 정확한 예보를 제공할 수 있는 여러 AI 기반 날씨 예보 모델 중 하나입니다.
“기후는 우리 삶의 거의 모든 측면에 영향을 미치며… 또한 가장 큰 것 중 하나입니다. 과학적 도전 DeepMind의 수석 과학자인 Ilan Price는 "예측할 수 있습니다."라고 말합니다. "Google DeepMind는 AI를 통해 이익을 증진하다 인류의. 저는 이것이 중요한 방법이고, 어떤 의미에서 핵심적인 기여라고 생각합니다." 🌈📊
Price와 그의 팀은 유럽 중기 기상 예보 센터(European Centre for Medium-Range Weather Forecasts)가 관리하는 세계에서 가장 진보된 예측 모델 중 하나인 ENS 시스템에 대해 GenCast를 사용하여 테스트를 수행했습니다.ECMWF). 조사에 따르면 GenCast는 대부분의 경우 ENS 97.2%보다 우수한 성과를 보였습니다. 이번 주에 잡지에 게재되었습니다 자연. 📈🧐
GenCast는 1979년부터 2018년까지의 기후 데이터를 기반으로 학습된 머신 러닝 기반 날씨 예측 모델입니다. 이 모델은 40년간의 과거 데이터에서 패턴을 인식하는 방법을 학습하고 해당 정보를 사용하여 미래에 발생할 수 있는 일을 예측합니다. 이는 복잡한 방정식을 풀고 대기의 물리 법칙을 시뮬레이션하기 위해 여전히 슈퍼컴퓨터에 의존하는 ENS와 같은 기존 모델의 작동 방식과는 매우 다릅니다. GenCast와 ENS 모두 생산합니다 전체적인 예측다양한 시나리오를 제시합니다. 🌌🌪️
예를 들어, GenCast는 열대성 저기압의 경로를 예측하여 평균 12시간 전에 경고를 제공할 수 있습니다. GenCast는 일반적으로 사이클론 경로, 극한 기상 현상, 풍력 발전량을 최대 15일 전까지 예측하는 데 더 뛰어납니다. 🌪️⏳
GenCast 앙상블 예보는 태풍 하기비스의 다양한 폭풍 경로를 보여주는데, 이 경로는 태풍이 일본 해안에 접근함에 따라 더욱 정확해집니다. 🇯🇵🌊
이미지: 구글
한 가지 주의 사항은 GenCast가 현재 작동하는 이전 버전의 ENS에 대해 테스트되었다는 것입니다. 더 높은 해상도. 심사평가를 거친 이 연구에서는 GenCast의 예측을 2019년 ENS 예측과 비교하여 각 모델이 그해의 실제 상황에 얼마나 근접했는지 분석했습니다. ECMWF 머신 러닝 코디네이터인 맷 챈트리에 따르면, ENS 시스템은 2019년 이후 상당히 개선되어 GenCast를 오늘날의 ENS와 비교해서 평가하기 어렵게 되었습니다. 🔍📉
확실한 예측을 하는 데 있어서 해상도가 유일하게 중요한 요소는 아니라는 것은 분명합니다. ENS는 2019년에 이미 GenCast보다 약간 더 높은 해상도로 작업하고 있었지만, GenCast는 여전히 그것을 능가했습니다. DeepMind는 2020년부터 2022년까지의 데이터를 이용해 비슷한 연구를 수행했으며, 아직 동료 평가를 받지는 않았지만 비슷한 결과를 얻었다고 주장합니다. 그러나 ENS가 상당히 높은 해상도로 작동하기 시작한 2023년에는 비교할 만한 데이터가 없었습니다. 📊📈
세계를 격자로 구분하는 GenCast는 0.25도의 해상도로 작동합니다. 즉, 해당 격자의 각 사각형은 위도 1/4도, 경도 1/4도를 측정합니다. 비교해 보면 ENS는 2019년에 0.2도의 해상도를 사용했지만 현재는 0.1도입니다. 🌍🗺️
그러나 챈트리는 이메일 성명을 통해 "GenCast의 개발은 기상 예보의 발전에 있어서 중요한 이정표를 세운 것"이라고 밝혔습니다. ENS와 함께 ECMWF도 자체 버전을 실행하고 있습니다. 머신 러닝 시스템. Chantry는 "GenCast에서 영감을 얻었다"고 말했습니다. 🌟🤓
GenCast의 장점은 속도입니다. 단일 Google Cloud TPU v5를 사용하면 단 8분 만에 15일 예보를 생성할 수 있습니다. ENS와 같은 물리학 기반 모델은 동일한 작업을 수행하는 데 몇 시간이 걸릴 수 있습니다. GenCast는 ENS가 풀어야 하는 모든 방정식을 생략하므로 예측을 생성하는 데 필요한 시간과 컴퓨팅 성능이 더 적습니다. ⚡️💻
“계산 측면에서 보면 훨씬 더 비쌉니다. 모델에 대해 기존 예측을 실행하다 Price는 "GenCast와 같아요."라고 말합니다. 💰📉
이러한 효율성은 최근 몇 년 동안 구글의 온실 가스 배출량 증가에 기여해 온 AI 데이터 센터의 환경 영향에 대한 우려를 완화하는 데 도움이 될 수 있습니다. 그러나 머신 러닝 모델을 훈련하는 데 얼마나 많은 에너지가 사용되는지 알지 못하면 GenCast가 지속 가능성 측면에서 물리 기반 모델과 어떻게 비교되는지 평가하기 어렵습니다. 🏭♻️
GenCast는 더 높은 해상도로 확장할 수 있는 기능을 포함하여 개선할 부분이 아직 많이 있습니다. 또한 GenCast는 기존 모델이 일반적으로 더 짧은 간격으로 예측을 내놓는 반면, 기존 모델은 12시간 간격으로 예측을 내놓습니다. 이는 이러한 예측이 현실 세계에서 어떻게 사용될 수 있는지에 영향을 미칠 수 있습니다(예: 얼마나 많은 풍력 발전이 가능한지 평가하는 데 사용) 🌪️⚡️.
"우리는 스스로에게 묻습니다. 이게 좋은 걸까? 그리고 왜 그럴까?" 🤔
플로리다 대학의 기상학 조교수인 스티븐 멀렌스는 GenCast 연구에 참여하지 않았지만, "바람이 오전 6시와 오후 6시뿐만 아니라 하루 종일 어떻게 움직이는지 알고 싶습니다."라고 말했습니다. 🌞🌬️
AI를 활용해 예측을 개선할 수 있는 방법에 대한 관심이 높아지고 있지만, 아직 그 효과가 입증되지 않았습니다. "사람들이 그걸 주시하고 있어요. 하지만 기상학계 전체가 그걸 확신하는 것 같지는 않아요."라고 멀렌스는 말했다. "저희는 물리학적 관점에서 생각하는 훈련된 과학자들입니다... AI가 근본적으로 물리학이 아니기 때문에, '이게 좋은 걸까? 그리고 왜 좋은 걸까?'라는 질문을 던지는 부분이 여전히 존재합니다." 🤷♂️⚖️
