AI-säämalli käyttää 7 000 kertaa vähemmän tehoa kuin perinteiset mallit

Sääennustaminen on yksi niistä tärkeistä tehtävistä, joita tehokkaimmat tietokoneemme suorittavat. Se vaatii miljoonia laskutoimituksia ja massiivisia koneita, jotka ratkaisevat yhtälöitä, jotka auttavat ennustamaan olosuhteita, kuten lämpötilaa, tuulta ja sadetta. Se on myös tärkeä työkalu suurten sääilmiöiden ennustamiseen, jotka voivat häiritä koko alueita ja talouksia.

Sääennustamisen ala kehittyy jatkuvasti nopeasti, kun teknologia kehittyy, ja se tulee tarkemmaksi ja tehokkaammaksi. Uusi työ, joka on syntynyt yhteistyöstä Washingtonin yliopiston ja Microsoft (MSFT ) Researchin välillä, osoittaa, miten tekoälyä (AI) voidaan käyttää näihin ennusteisiin. Uusi teknologia analysoi menneiden sääolosuhteiden malleja ennustamaan tulevia tapahtumia, ja se tekee sen tehokkaammin kuin nykyiset mallit. Lisäksi se voi tulevaisuudessa olla paljon tarkempi kuin nykyiset mallit.

Uusi globaali säämalli

Uusi globaali säämalli käyttää viimeisten 40 vuoden säädataa ennusteiden tekemiseen, mikä on erilainen kuin muut, jotka käyttävät fysiikan laskelmia. Uusi malli on yksinkertainen ja perustuu dataan, ja se voi simuloida sääolosuhteita koko vuoden ajan koko maailmassa. Se on sekä nopeampi että yhtä tehokas kuin nykyiset mallit, ja se saavuttaa tämän toistamalla askelia kunkin ennusteen kanssa.

Tutkimus julkaistiin Journal of Advances in Modeling Earth Systems -lehdessä.

Jonathan Weyn on tutkimuksen pääkirjoittaja.

“Tekoäly on perustavalla tasolla koristeltu versio mallintunnistamisesta”, Weyn sanoi. “Se näkee tyypillisen mallin, tunnistaa, miten se yleensä kehittyy, ja päättää, mitä tehdä perustuen esimerkkeihin, joita se on nähnyt viimeisten 40 vuoden aikana.”

Uusi malli on tällä hetkellä vähemmän tarkka kuin nykyiset huipputason mallit, mutta se käyttää tekoälyä ja siten 7 000 kertaa vähemmän tietokoneen tehoa saman ennusteiden kehittämiseen. Koska sen laskentakuorma on pienempi, se on nopeampi.

Ensemble-ennustaminen

Tämän nopeutetun ennustamisen ansiosta ennustuskeskukset voivat suorittaa useita malleja eri olosuhteilla. Tätä kutsutaan “ensemble-ennustamiseksi”, ja sitä käytetään ennustamaan mahdollisia olosuhteita sääilmiölle.

Dale Durran on Washingtonin yliopiston ilmakehätieteiden professori ja tutkimuksen kirjoittaja.

“Siinä on paljon tehokkaampi lähestymistapa; se on juuri sitä, mikä on tärkeää”, Durran sanoi. “Lupaus on, että se voisi mahdollistaa meidän käsitellä ennustettavuuden ongelmia nopeamman mallin avulla, joka on tarpeeksi nopea suorittamaan erittäin suuria ensemble-malleja.”

Tämä projekti alkoi, kun Rich Caruana Microsoft Researchista, joka on tutkimuksen kirjoittaja, ehdotti tekoälyn käyttämistä sääennusteisiin perustuen historiallisiin tietoihin. Tämä tarkoitti, että fysiikan lakeja ei enää tarvittu ennusteiden tekemiseen.

“Kun olemme kouluttaneet tekoälyalgoritmin menneiden säädatan avulla, se pystyy löytämään suhteita eri muuttujien välillä, mitä fysiikan yhtälöt eivät voi tehdä”, Weyn sanoi. “Voimme käyttää paljon vähemmän muuttujia ja siten luoda mallin, joka on paljon nopeampi.”

Mallia testattiin ennustamalla standardimuuttuja sääennustamisessa. Se teki ennusteita joka 12 tunnin välein koko vuoden ajan, ja uusi malli oli yksi parhaista suorittajista WeatherBenchin mukaan, joka on benchmark-testi data-ohjattujen sääennusteiden vertailuun.

Tutkijoiden on jatkettava mallin säätämistä, jos se on tarkoitus käyttää nykyisten mallien rinnalla tai tilalla. Kirjoittajat uskovat, että se voisi olla vaihtoehto sääennusteiden luomiseen tulevaisuudessa.