Les événements météorologiques extrêmes deviennent de plus en plus fréquents et intenses. Les chercheurs recherchent des méthodes de prévision plus rapides et précises, et l'IA apporte de nouvelles possibilités.
En mai de cette année, Microsoft a lancé Aurora, un outil de prévision météorologique. Paris Perdikaris, chercheur chez Microsoft impliqué dans le projet Aurora, déclare : "Ces outils d'IA sont doués pour identifier les modèles."
Pour entraîner Aurora, Microsoft a fourni plus d'un million d'heures de données climatiques, soit environ 16 fois le volume du dernier modèle GPT. Aurora peut désormais prédire la pollution atmosphérique mondiale pour les 5 prochains jours et les conditions météorologiques pour les 10 prochains jours 5000 fois plus rapidement que les méthodes traditionnelles.
Après sa collaboration avec NVIDIA, The Weather Company dispose d'une puissance de calcul accrue, rendant les prédictions IA plus rapides et les résultats plus précis et détaillés.
L'équipe de l'Université de Villanova se concentre sur la prévision des tempêtes. Leur modèle évalue l'impact des tempêtes en identifiant leur taille et leur forme, déterminant si elles formeront des tornades ou de la grêle. Avec l'aide de l'apprentissage automatique, le temps d'alerte est passé de 15 minutes à 1 heure avant l'événement.
La "vitesse" est l'avantage le plus notable des outils d'IA. Les modèles de circulation atmosphérique générale (GCM) traditionnels nécessitent d'énormes quantités de données climatiques et des supercalculateurs, consommant beaucoup de temps et d'énergie. En comparaison, les nouveaux outils de prévision météorologique basés sur l'IA peuvent fonctionner sur un ordinateur portable, bien que leur précision reste à vérifier.
Microsoft a déclaré qu'Aurora sera accessible au public dans les prochains mois. Perdikaris prédit que l'IA pourrait être intégrée dans les flux de travail météorologiques d'ici 2 à 5 ans.
Le nouveau modèle de Google DeepMind, "NeuralGCM", adopte une approche intégrée. Il est plus précis que les modèles purement d'apprentissage automatique et certains modèles actuellement utilisés pour les prévisions climatiques de 1 à 10 jours. NeuralGCM combine l'IA et les calculs traditionnels de dynamique des fluides, réduisant considérablement les besoins en puissance de calcul tout en maintenant la précision des prévisions.
Aaron Hill, professeur adjoint de météorologie à l'Université d'Oklahoma, pense que la valeur la plus significative de ces outils d'IA réside dans la réduction de la charge de calcul, avec le potentiel de construire et de calculer des modèles climatiques à long terme et à grande échelle.
Face à la crise climatique, outre les agences de prévision météorologique, les négociants en matières premières, les planificateurs agricoles et l'industrie de l'assurance sont tous prêts à payer pour des modèles de prévision météorologique plus rapides et plus précis, et ce domaine se développe rapidement.