Модель погоди штучного інтелекту використовує у 7 000 разів менше енергії, ніж традиційні моделі

Прогнозування погоди – одна з важливих задач, які виконують наші найпотужніші комп’ютери. Це вимагає мільйонів обчислень і великих машин, які розв’язують рівняння, які допомагають передбачити умови, такі як температура, вітер і дощ. Це також важливий інструмент для передбачення великих погодних подій, які можуть порушити цілі регіони та економіки.

Поле прогнозування погоди продовжує швидко вдосконалюватися, оскільки наша технологія розвивається, стає більш точною та ефективною. Нова робота, яка виникла в результаті співробітництва між Університетом Вашингтону та Microsoft (MSFT ) Research, демонструє, як штучний інтелект (AI) можна використовувати для цих самих передбачень. Нова технологія аналізує минулі погодні моделі, щоб передбачити майбутні події, і робить це більш ефективно, ніж поточні моделі. З більшими вдосконаленнями, вона також може досягти точки, в якій буде значно більш точною, ніж сьогодні моделі.

Нова глобальна модель погоди

Нова глобальна модель погоди використовує останні 40 років погодних даних, щоб зробити свої передбачення, що відрізняється від інших моделей, які використовують фізичні розрахунки. Нова модель проста і заснована на даних, і вона може симулювати погодні моделі на весь рік, застосовуючи їх по всьому світу. Вона також швидша і так само ефективна, як і поточні моделі, які вона досягає завдяки повторним крокам з кожним прогнозом

Дослідження було опубліковано в Журналі прогресу в моделюванні земних систем.

Джонатан Вейн є головним автором дослідження.

“Машинне навчання – це по суті оздоблена версія розпізнавання моделей”, – сказав Вейн. “Воно бачить типову модель, розпізнає, як вона зазвичай розвивається, і вирішує, що робити на основі прикладів, які воно бачило за останні 40 років даних”.

Нова модель зараз менш точна, ніж сучасні моделі найвищого рівня, але завдяки тому, що вона заснована на AI, вона використовує у 7 000 разів менше обчислювальної потужності для розробки такого самого діапазону прогнозів. Через те, що у неї менша обчислювальна робота, вона швидша.

Енсамблеве прогнозування  

З цієї підвищеної швидкості центри прогнозування могли б запускати кілька моделей з різними умовами. Це називається “енсамблевим прогнозуванням”, і воно використовується для передбачення діапазону можливих умов для погодної події.

Дейл Дурран – професор атмосферних наук Університету Вашингтону і автор дослідження.

“Є так багато більше ефективності в цьому підході; це те, що так важливо”, – сказав Дурран. “Перспектива полягає в тому, що це дозволить нам займатися питаннями передбачуваності, маючи модель, яка достатньо швидка, щоб запускати дуже великі ансамблі”.

Цей проєкт розпочався, коли Річ Каруана з Microsoft Research, який є співавтором статті, запропонував використовувати AI для погодних передбачень на основі історичних даних. Це означало, що фізичні закони більше не мали бути основою для таких передбачень.

“Після навчання на минулих погодних даних алгоритм AI здатний знаходити відносини між різними змінними, яких фізичні рівняння просто не можуть зробити”, – сказав Вейн. “Ми можемо дозволити собі використовувати значно менше змінних і тому зробити модель, яка значно швидша”.

Модель була протестована шляхом передбачення стандартної змінної в прогнозуванні погоди. Вона робила передбачення кожні 12 годин протягом всього року, і нова модель була однією з найкращих за версією WeatherBench, який є тестом для даних прогнозів погоди.

Дослідники повинні продовжувати налаштовувати модель, якщо вона має бути використана поряд з існуючими моделями або замість них. Автори вважають, що це може бути альтернативою генерації прогнозів погоди в майбутньому.