Модель погоды на основе ИИ использует в 7 000 раз меньше энергии, чем традиционные модели

Прогнозирование погоды является одной из важнейших задач, которые выполняют наши наиболее мощные компьютеры. Для этого требуется миллионы расчетов и巨альные машины, решающие уравнения, которые помогают предсказать условия, такие как температура, ветер и осадки. Это также является важным инструментом для прогнозирования крупных погодных событий, которые могут нарушить целые регионы и экономики.

Область прогнозирования погоды продолжает быстро совершенствоваться по мере развития нашей технологии, становясь более точной и эффективной. Новая работа, вытекающая из сотрудничества между Университетом Вашингтона и Microsoft Research, демонстрирует, как искусственный интеллект (ИИ) может быть использован для этих точных прогнозов. Новая технология анализирует прошлые погодные закономерности, чтобы предсказать будущие события, и она делает это более эффективно, чем текущие модели. С дальнейшими достижениями она также может достичь точки, когда она станет намного более точной, чем сегодняшние модели.

Новая глобальная модель погоды

Новая глобальная модель погоды использует данные о погоде за последние 40 лет, чтобы сделать свои прогнозы, что отличается от других моделей, которые используют физические расчеты. Новая модель проста и основана на данных, и она может模улировать погодные закономерности за весь год, применяясь во всем мире. Она одновременно быстрая и так же эффективна, как текущие модели, что она достигает за счет повторяющихся шагов с каждым прогнозом.

Исследование было опубликовано в Журнале достижений в моделировании систем Земли.

Джонатан Вейн является основным автором исследования.

“Машинное обучение по сути делает более сложную версию распознавания закономерностей”, – сказал Вейн. “Оно видит типичную закономерность, распознает, как она обычно развивается, и решает, что делать, основываясь на примерах, которые оно видело в течение последних 40 лет данных”.

Новая модель в настоящее время менее точна, чем современные модели высшего уровня, но, основываясь на ИИ, она использует в 7 000 раз меньше компьютерной мощности для разработки того же диапазона прогнозов. Поскольку у нее меньше вычислительной нагрузки, она быстрее.

Ансамблевое прогнозирование

С этой повышенной скоростью центры прогнозирования смогут запускать несколько моделей с разными условиями. Это называется “ансамблевым прогнозированием”, и оно используется для прогнозирования диапазона возможных условий для погодного события.

Дейл Дурран является профессором атмосферных наук в Университете Вашингтона и автором исследования.

“В этом подходе так много эффективности; это то, что так важно”, – сказал Дурран. “Обещание состоит в том, что оно может позволить нам справиться с проблемами прогнозирования, имея модель, достаточно быструю, чтобы запускать очень большие ансамбли”.

Этот проект начался, когда Рич Каруана в Microsoft Research, который является соавтором статьи, предложил использовать ИИ для прогнозирования погоды на основе исторических данных. Это означало, что физические законы больше не должны были полагаться на такие прогнозы.

“После обучения на прошлых погодных данных алгоритм ИИ способен устанавливать отношения между различными переменными, которые физические уравнения просто не могут сделать”, – сказал Вейн. “Мы можем позволить себе использовать намного меньше переменных и, следовательно, создать модель, которая намного быстрее”.

Модель была протестирована путем прогнозирования стандартной переменной в прогнозировании погоды. Она делала прогнозы каждые 12 часов в течение всего года, и новая модель была одной из лучших по WeatherBench, который является тестовым стандартом для прогнозов погоды, основанных на данных.

Исследователи должны продолжать настраивать модель, если она будет использоваться вместе с существующими моделями или вместо них. Авторы считают, что это может быть альтернативой генерации прогнозов погоды в будущем.