Google DeepMind opracował algorytm uczenia maszynowego, który – jak twierdzi gigant – może przewidywać pogodę dokładniej niż obecne metody prognozowania wykorzystujące superkomputery. Model Google’a, nazwany GraphCast, generował dokładniejszą 10-dniową prognozę niż system High Resolution Forecast (HRES), wykorzystywany przez Europejskie Centrum Prognoz Średnioterminowych (ECMWF). Był w stanie konstruować prognozy w ciągu kilku minut, a nie godzin. System Google DeepMind bazuje na HRES, złotym standardzie systemu symulacji pogody.

Prognoza z 99-procentowym prawdopodobieństwem

GraphCast, który może działać na komputerze stacjonarnym, osiągnął lepsze wyniki niż ECMWF w ponad 99 procentach zmiennych pogodowych. Jego prognozy były trafne w aż 90 procentach ocenianych lokalizacji. A tych było naprawdę dużo, bo test przeprowadzono na 1300 regionach.

Problem z algorytmem jest jeden, za to poważny. Wyniki są generowane w tzw. czarnej skrzynce. To oznacza, że sztuczna inteligencja (SI) nie może wyjaśnić, w jaki sposób znalazła wzorzec lub pokazać jego działania. W związku z czym, zdaniem naukowców, powinna być używana do uzupełniania, a nie zastępowania sprawdzonych narzędzi.

Współcześnie używane prognozowanie opiera się na łączeniu danych ze złożonymi modelami fizycznymi i wykorzystywaniu superkomputerów do przeprowadzania symulacji. Dokładność tych prognoz zależy od szczegółowych informacji w modelach, a ich eksploatacja jest energochłonna i kosztowna.

Modelowanie na wielkich bazach danych

Jednak modele pogodowe oparte na uczeniu maszynowym mogą być znacznie tańsze. Potrzebują mniejszej mocy obliczeniowej i działają szybciej. Na potrzeby nowego modelu sztucznej inteligencji naukowcy przeszkolili GraphCast na danych z 38 latach globalnych odczytów pogody na Ziemi. Algorytm ustalił wzorce zależności między zmiennymi, takimi jak ciśnienie powietrza, temperatura, wiatr i wilgotność. Co ciekawe, niektóre związki, jakie wyłapał algorytm, były zaskoczeniem dla samych naukowców.

Po tym szkoleniu model ekstrapolował prognozy z globalnych szacunków pogody z 2018 r., aby stworzyć 10-dniowe prognozy w czasie krótszym niż minuta. Uruchamiając GraphCast wraz z prognozą ECMWF o wysokiej rozdzielczości, która wykorzystuje bardziej konwencjonalne modele fizyczne do przewidywania, naukowcy odkryli, że GraphCast daje dokładniejsze prognozy dla ponad 90 procent przypadków z 12 tys. użytych punktów danych.

SI dla klimatu

GraphCast może również przewidywać ekstremalne zjawiska pogodowe, takie jak fale upałów, okresy zimna i burze tropikalne. – Tylko we wrześniu 2023 roku jedna z wersji naszego modelu GraphCast, wdrożona na stronie internetowej ECMWF, dokładnie przewidziała z około dziewięciodniowym wyprzedzeniem, że huragan Lee dotrze do lądu w Nowej Szkocji – napisał w oświadczeniu Rémi Lam, inżynier badawczy w DeepMind.

Pomimo imponującej wydajności modelu, naukowcy nie przewidują, aby w najbliższym czasie zastąpił on obecnie używane narzędzia. Nadal potrzebne są regularne prognozy, aby zweryfikować i ustawić dane wyjściowe. A ponieważ algorytmy uczenia maszynowego generują wyniki, których nie mogą wyjaśnić, mogą być podatne na błędy.

Zamiast tego modele sztucznej inteligencji mogą uzupełniać inne metody prognozowania i generować szybsze prognozy – twierdzą naukowcy. Mogą również pomóc naukowcom dostrzec zmiany we wzorcach klimatycznych w czasie i uzyskać jaśniejszy obraz w szerszej perspektywie.

 – Pionierskie wykorzystanie sztucznej inteligencji w prognozowaniu pogody przyniesie korzyści miliardom ludzi w ich codziennym życiu. Ale nasze szersze badania nie polegają tylko na przewidywaniu pogody. Zależy nam na zrozumieniu szerszych wzorców naszego klimatu – napisała Lam. – Mamy nadzieję, że opracowując nowe narzędzia i przyspieszając badania, sztuczna inteligencja może umożliwić globalnej społeczności stawienie czoła naszym największym wyzwaniom środowiskowym.

Prognozy pogody kosmicznej

Co ciekawe, SI przydaje się nie tylko do prognozowania pogody na Ziemi. Staje się też głównym narzędziem do badania tzw. pogody kosmicznej. W Tuluzie właśnie kończy się European Space Weather Week, doroczna impreza poświęcona szeroko rozumianym badaniom wpływu Słońca na warunki kosmiczne i ziemskie. Znaczna część referatów odnosiło się właśnie do wykorzystania w tej dziedzinie algorytmów SI. Wiele wskazuje na to, że prognozowanie pogody kosmicznej również stanie się domeną sztucznej inteligencji.

Źródło: Science.