GenCast, новая модель искусственного интеллекта от Google DeepMind, достаточно точна, чтобы конкурировать с традиционной метеорологией. Согласно недавно опубликованному исследованию, в ходе испытаний с использованием данных за 2019 год она превзошла ведущую модель прогнозирования. 🌦️✨

ИИ в ближайшее время не заменит традиционную метеорологию, но он может стать ценным инструментом для прогнозирования погоды и оповещения населения о сильных штормах. GenCast — один из нескольких Модели ИИ в разработке что может привести к более точным прогнозам. 🤖⛈️

«Климат влияет практически на каждый аспект нашей жизни... и он также является одним из самых важных научные проблемы предсказать это», — говорит Илан Прайс, старший научный сотрудник DeepMind. «Google DeepMind ставит перед собой задачу развитие ИИ на благо человечества. Я думаю, что это важный путь, ключевой вклад в этом смысле». 🌈📊

Прайс и его команда провели испытания GenCast с использованием системы ENS, одной из самых передовых в мире моделей прогнозирования, которой управляет Европейский центр среднесрочных прогнозов погоды (ЕЦСПП). Согласно исследованию, GenCast превзошел ENS 97.2% того времени. опубликовано на этой неделе в журнале Природа. 📈🧐

GenCast — это модель прогнозирования погоды на основе машинного обучения, обученная на климатических данных с 1979 по 2018 год. Эта модель учится распознавать закономерности в исторических данных за четыре десятилетия и использует эту информацию для прогнозирования того, что может произойти в будущем. Это сильно отличается от того, как работают традиционные модели, такие как ENS, которые по-прежнему полагаются на суперкомпьютеры для решения сложных уравнений и моделирования физики атмосферы. GenCast и ENS производят прогнозы в целом, которые предлагают множество возможных сценариев. 🌌🌪️

Например, прогнозируя путь тропического циклона, GenCast может предоставить предупреждение в среднем за 12 часов. GenCast, как правило, лучше прогнозирует пути циклонов, экстремальные погодные явления и производство ветровой энергии на срок до 15 дней. 🌪️⏳

Одно предостережение заключается в том, что GenCast был протестирован на более старой версии ENS, которая теперь работает на более высокое разрешение. В рецензируемом исследовании прогнозы GenCast сравниваются с прогнозами ENS на 2019 год, а также анализируется, насколько точно каждая модель соответствовала фактическим условиям того года. По словам координатора по машинному обучению ECMWF Мэтта Чантри, система ENS значительно улучшилась с 2019 года, поэтому сложно оценить, как GenCast может сравниться с ENS сегодня. 🔍📉

Очевидно, что разрешение — не единственный важный фактор для составления надежных прогнозов. В 2019 году ENS уже работал с немного более высоким разрешением, чем GenCast, однако GenCast все равно удалось его превзойти. DeepMind утверждает, что провела аналогичные исследования с данными за 2020–2022 годы и получила схожие результаты, хотя эти исследования не были рецензированы. Однако данных для сравнения за 2023 год, когда ENS начала работать с существенно более высоким разрешением, не было. 📊📈

Разделив мир на сетку, GenCast работает с разрешением 0,25 градуса, то есть каждый квадрат в этой сетке измеряется одной четвертью градуса широты на одну четверть градуса долготы. Для сравнения, в 2019 году ENS использовала разрешение 0,2 градуса, а сейчас оно составляет 0,1 градуса. 🌍🗺️

Однако разработка GenCast «знаменует собой важную веху в развитии прогнозирования погоды», — сказал Чантри в своем заявлении, отправленном по электронной почте. Наряду с ENS, ECMWF также использует собственную версию система машинного обучения. Чантри отмечает, что он «черпает вдохновение из GenCast». 🌟🤓

Скорость — преимущество GenCast. Вы можете создать 15-дневный прогноз всего за восемь минут, используя один Google Cloud TPU v5. Для решения той же задачи физическим моделям, таким как ENS, может потребоваться несколько часов. GenCast не учитывает все уравнения, которые приходится решать ENS, что объясняет, почему для составления прогноза требуется меньше времени и вычислительной мощности. ⚡️💻

«В вычислительном отношении это на порядок дороже выполнять традиционные прогнозы по модели как GenCast», — говорит Прайс. 💰📉

Такая эффективность может помочь развеять некоторые опасения относительно воздействия центров обработки данных ИИ на окружающую среду, которые уже способствовали увеличению выбросов парниковых газов Google в последние годы. Однако сложно оценить, насколько GenCast сопоставим с физическими моделями с точки зрения устойчивости, не зная, сколько энергии тратится на обучение модели машинного обучения. 🏭♻️

GenCast еще может внести улучшения, включая возможность масштабирования до более высокого разрешения. Кроме того, GenCast выдает прогнозы с интервалом в 12 часов, в отличие от традиционных моделей, которые обычно выдают прогнозы с более короткими интервалами. Это может повлиять на то, как эти прогнозы можно будет использовать в реальном мире (например, для оценки того, сколько ветроэнергии будет доступно) 🌪️⚡️.

«Вам нужно знать, как будет вести себя ветер в течение дня, а не только в 6 утра и 6 вечера», — говорит Стивен Малленс, доцент кафедры метеорологии в Университете Флориды, который не принимал участия в исследовании GenCast. 🌞🌬️

Несмотря на растущий интерес к использованию ИИ для улучшения прогнозирования, его эффективность еще не доказана. «Люди смотрят на это. Я не думаю, что все метеорологическое сообщество убеждено в этом», — сказал Малленс. «Мы — обученные ученые, которые мыслят в терминах физики… и поскольку ИИ по сути своей не является физикой, все равно есть элемент, в котором мы спрашиваем: «Это хорошо? И почему?»» 🤷‍♂️⚖️

Прогнозисты могут сами попробовать GenCast; DeepMind опубликовал код из модели с открытым исходным кодом. Прайс говорит, что видит GenCast и других улучшенные модели ИИ используются в реальном мире наряду с традиционными моделями. «Как только эти модели попадают в руки профессионалов, возникает больше доверия и уверенности», — говорит Прайс. «Мы действительно хотим, чтобы это имело широкое социальное влияние». 🌍💡