Модель GraphCast компании DeepMind делает прогноз погоды на 10 дней за 60 секунд

Компания Google DeepMind представили высокоточную модель прогнозирования погоды на основе искусственного интеллекта, которая, по словам её сотрудников, знаменует собой «поворотный момент в прогнозировании погоды».

В статье, опубликованной в журнале Science, Реми Лам, научный сотрудник DeepMind, заявил, что их программа работает быстрее и точнее, чем нынешние методы прогнозирования, и может точно определить такие характеристики, как давление воздуха, температура, влажность и ветер, на 10 дней вперед. Модель GraphCast «значительно превзошла самые точные оперативные детерминированные системы на 90% из 1380 целей проверки», — подчеркнул Лам.

В основе прогнозирования погоды на протяжении десятилетий лежали формулы ЧПП (числового прогноза погоды), сложные физические уравнения, охватывающие огромное количество переменных.

Этот подход охватывает данные, собранные метеостанциями, спутниками и океанским оборудованием. Полученные данные используются для прогнозирования траекторий глобального движения тепла, воздуха и пара. Дополнительная информация от экспертов-аналитиков и постоянное обновление алгоритмов способствуют получению точных результатов. Но даже при использовании суперкомпьютеров весь процесс занимает много времени и стоит дорого.

DeepMind улучшила этот подход, обучив модели машинного обучения данным о погоде за 39 лет. Не прибегая к физическим уравнениям, нейронная сеть GraphCast обрабатывает исторические данные со скоростью, в 1000–10 000 раз превышающей скорость традиционных систем прогнозирования. Например, на основе данных 2018 года GraphCast менее чем за минуту генерировала прогнозы погоды на 10 дней вперед; традиционные методы потребовали бы многих часов вычислений. И результаты GraphCast были гораздо более точными.

По словам Реми Лама, в тропосфере, которая является частью атмосферы, ближайшей к поверхности и которая влияет на нас больше всего, GraphCast превосходит обычные системы более чем в 99% измерений. GraphCas также превзошел традиционные инструменты на всех уровнях атмосферы в 90% прогнозов.

Модель GraphCast работает не лучше, чем существующие подходы, когда речь идет об очень локальных прогнозах, таких как вероятность дождя в вашем районе. Но она превосходно справляется с погодными явлениями на больших территориях, такими как тропические циклоны и необычные колебания температуры.

«Наш подход не следует рассматривать как замену традиционных методов прогнозирования погоды», — сказал Лам. «Скорее, нашу работу следует интерпретировать как свидетельство того, что прогнозирование погоды с помощью искусственного интеллекта способно решить проблемы реального мира и имеет потенциал для дополнения и улучшения существующих на данный момент лучших методов».