Модель погоды на основе ИИ использует в 7000 раз меньше энергии, чем традиционные модели

Прогнозирование погоды является одной из важных 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 важный инструмент для прогнозирования крупных погодных событий, которые могут нарушить целые регионы и экономики.

Область прогнозирования погоды продолжает быстро улучшаться по мере развития нашей технологии, становясь более точной и эффективной. Новая работа, вытекающая из сотрудничества между Университетом Вашингтона и исследовательским центром Microsoft (MSFT ), демонстрирует, как искусственный интеллект (ИИ) может быть использован для этих 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, где она будет намного более точной, чем сегодняшние модели.

Новая глобальная модель погоды

Новая глобальная модель погоды использует данные 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 симулировать погодные закономерности на весь год, применяясь по всему миру. Она одновременно быстрее и так же эффективна, как текущие модели, что достигается за счет повторяющихся шагов с каждым прогнозом.

Исследование было опубликовано в Журнале достижений в моделировании земных систем.

Джонатан Вейн является основным автором исследования.

«Машинное обучение по сути является разновидностью распознавания закономерностей», – сказал Вейн. «Оно видит типичную закономерность, распознает, как она обычно развивается, и решает, что делать, основываясь на примерах, которые оно видело за последние 40 лет данных».

Новая модель в настоящее время менее точна, чем современные модели высшего уровня, но, основываясь на ИИ, она использует в 7000 раз меньше вычислительной мощности для разработки того же диапазона прогнозов. Поскольку она имеет меньшую вычислительную нагрузку, 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 соавтором исследования.

«В этом подходе есть так много эффективности; это то, что так важно», – сказал Дурран. «Обещание состоит в том, что это может позволить нам справиться с проблемами предсказуемости, имея модель, которая достаточно быстра, чтобы запустить очень большие ансамбли».

Этот проект начался, когда Рич Каруана из исследовательского центра Microsoft, 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 находить 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 тестом на производительность для прогнозов погоды, основанных на данных.

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