Az AI forradalmasítja az időjárás-előrejelzést: pontosabb és gyorsabb eredmények
A Google DeepMind új GenCast modellje olyan pontos időjárás-előrejelzéseket készít, hogy versenyre kelhet a hagyományos módszerekkel. A 2019-es adatokon tesztelve felülmúlta az egyik vezető előrejelző modellt.
Bár az AI egyelőre nem fogja teljesen felváltani a hagyományos előrejelzési módszereket, hasznos kiegészítője lehet a meteorológusok eszköztárának az időjárás előrejelzésében és a veszélyes viharok előrejelzésében. A GenCast egyike annak a több AI időjárás-előrejelző modellnek, amelyek pontosabb előrejelzésekhez vezethetnek.
„Az időjárás gyakorlatilag életünk minden aspektusát érinti… emellett az egyik nagy tudományos kihívás is az előrejelzése” – mondja Ilan Price, a DeepMind vezető kutatója.
Hogyan működik a GenCast?
A GenCast egy gépi tanuláson alapuló időjárás-előrejelző modell, amelyet 1979 és 2018 közötti időjárási adatokon tanítottak be. A modell megtanulja felismerni a mintázatokat a négy évtizednyi történelmi adatban, és ezeket használja fel a jövőbeli előrejelzésekhez. Ez jelentősen eltér a hagyományos modellek működésétől, amelyek még mindig szuperszámítógépeket használnak komplex egyenletek megoldására a légkör fizikájának szimulálásához.
A GenCast és a hagyományos modellek is ensemble előrejelzéseket készítenek, amelyek több lehetséges forgatókönyvet kínálnak.
Miben jobb a GenCast?
- Trópusi ciklonok előrejelzésénél átlagosan 12 órával több előrejelzési időt biztosít
- Pontosabban jelzi előre a ciklonok útvonalát
- Jobban teljesít a szélsőséges időjárás előrejelzésében
- Akár 15 napra előre is pontosabban jelzi a szélenergia-termelést
A GenCast előnyei és korlátai
A GenCast egyik nagy előnye a sebesség. Egyetlen Google Cloud TPU v5 segítségével mindössze 8 perc alatt képes elkészíteni egy 15 napos előrejelzést. Ezzel szemben a fizikai alapú modellek, mint az ENS, több órát is igénybe vehetnek ugyanerre a feladatra.
A GenCast hatékonysága enyhítheti az energiaigényes AI adatközpontokkal kapcsolatos környezeti aggályokat. Azonban a modell betanításához szükséges energia mennyisége nélkül nehéz pontosan összehasonlítani a fenntarthatóságát a fizikai alapú modellekkel.
A GenCast még fejleszthető területei:
- Magasabb felbontásra való skálázás
- Rövidebb időközönkénti előrejelzések készítése (jelenleg 12 órás intervallumokban dolgozik)
A meteorológus szakma reakciója
Bár növekszik az érdeklődés az AI időjárás-előrejelzésben való alkalmazása iránt, a szakma még nem teljesen meggyőződött. Stephen Mullens, a Floridai Egyetem meteorológia oktatója szerint:
„Mi képzett tudósok vagyunk, akik a fizika szempontjából gondolkodunk… és mivel az AI alapvetően nem ez, még mindig van egy elem, ahol próbáljuk megérteni, hogy ez jó-e? És miért?”
A DeepMind nyílt forráskódúvá tette a GenCast modelljét, így a szakemberek maguk is kipróbálhatják és értékelhetik. Ilan Price szerint a cél az, hogy az AI modellek a hagyományos módszerekkel együtt kerüljenek alkalmazásra a gyakorlatban, ezáltal növelve a bizalmat és a megbízhatóságot.
Összefoglalás
A Google DeepMind GenCast modellje jelentős előrelépést jelent az időjárás-előrejelzés területén. Bár még vannak fejlesztendő területei, a hagyományos módszerekkel kombinálva pontosabb és gyorsabb előrejelzéseket tehet lehetővé. A meteorológus szakma óvatos optimizmussal tekint az AI alkalmazására, és a következő években várhatóan egyre nagyobb szerepet kap majd ez a technológia az időjárás előrejelzésében.
