Нов модел за прогнозиране на времето от Google съчетава ИИ с традиционна физика

Изследователите от Google DeepMind създадоха нов модел за прогнозиране на времето, който съчетава машинно обучение с по-конвенционални техники, като потенциално дава точни прогнози с много по-ниски разходи. 

Моделът, наречен NeuralGCN, е описан в статия в научното списание Nature.

Той преодолява разделение, което нарасна сред експертите по прогнозиране на времето през последните няколко години.

Въпреки че новите техники за машинно обучение, които предсказват времето чрез учене от години на минали данни, са изключително бързи и ефективни, те могат да изостават при дългосрочните прогнози. Моделите на общата циркулация, от друга страна, които доминират в прогнозирането на времето през последните 50 години, използват сложни уравнения за моделиране на промените в атмосферата и дават точни прогнози, но бавно и на висока цена. Експертите са разделени по въпроса кой инструмент ще бъде най-надежден в бъдеще. 

Новият модел от Google вместо това се опитва да комбинира двете.

„Това не е съревнование на физика срещу изкуствен интелект. Това наистина е физика и ИИ заедно“, казва Стефан Хойер, изследовател на ИИ в Google DeepMind и съавтор на статията.

Системата все още използва конвенционален модел, за да изработи някои от големите атмосферни промени, необходими, за да се направи прогноза. След това включва ИИ, който има тенденция да се справя добре, когато тези по-големи модели се разпадат. А именно за прогнози в мащаби, по-малки от около 25 километра. Примери са прогнозите, които се занимават с облачни образувания или регионални микроклимати (като мъглата в даден град).

Резултатът, казват изследователите, е модел, който може да произвежда качествени прогнози по-бързо и с по-малко изчислителна мощност. Те казват, че NeuralGCM е толкова точен, колкото прогнозите за до 15 дни напред от Европейския център за средносрочни прогнози за времето (ECMWF), който е партньорска организация в изследването.

Но истинското обещание на технология като тази не е в по-добрите метеорологични прогнози за даден район, казва Арън Хил, асистент в Училището по метеорология към Университета на Оклахома, който не е участвал в това изследване. 

Вместо това, обещанието е в по-мащабни климатични събития, които са непосилно скъпи за моделиране с конвенционални техники. Възможностите могат да варират от предсказване на тропически циклони с по-ранно предупреждение до моделиране на по-сложни климатични промени, които се очакват след години.

Това означава, че най-добрите климатични модели са затруднени от високите разходи за изчислителна мощност, което представлява истинска пречка за изследванията.

Моделите, базирани на ИИ, наистина са по-компактни. 

Веднъж обучен, обикновено на 40 години исторически метеорологични данни от ECMWF, модел за машинно обучение като GraphCast на Google може да работи на по-малко от 5500 реда код. 

В сравнение с близо 377 000 реда, необходими за модела от Националната администрация за океаните и атмосферата, според статията.

NeuralGCM, според Хил, изглежда прави силни аргументи, че ИИ може да бъде използван за конкретни елементи от моделирането на времето. Ще направи нещата по-бързи, като същевременно запазва силните страни на конвенционалните системи.

Хойер казва, че използването на модела за прогнозиране на краткосрочното време е било полезно за валидиране на неговите прогнози. Целта обаче наистина е да може да се използва за по-дългосрочно моделиране, особено за екстремни метеорологични рискове.

NeuralGCM ще бъде с отворен код. 

Въпреки че Хойер казва, че очаква с нетърпение учените по климата да го използват в своите изследвания, моделът може да представлява интерес и за повече от академичните среди. Търговците на суровини и големите селскостопански производителите плащат скъпо за точни прогнози на времето. Моделите, използвани от застрахователните компании за продукти като застраховка срещу наводнения или екстремни метеорологични условия, се борят упорито да отчетат въздействието на изменението на климата.

Докато много от скептиците в прогнозирането на времето с ИИ са били спечелени от последните разработки, според Хил бързият темп е труден за изследователската общност.

Нов модел се пуска от Google, Nvidia или Huawei на всеки два месеца. 

Това затруднява изследователите да решат кой от новите инструменти ще бъде най-полезен и съответно да кандидатстват за безвъзмездни средства за научни изследвания.