Экстремальные погодные явления становятся все более частыми и интенсивными. Исследователи ищут более быстрые и точные методы прогнозирования, а ИИ открывает новые возможности.
В мае этого года Microsoft выпустила инструмент прогнозирования погоды Aurora. Парис Пердикарис, исследователь Microsoft, участвующий в проекте Aurora, говорит: "Эти инструменты ИИ хороши в распознавании паттернов".
Для обучения Aurora Microsoft предоставила более 100 миллионов часов климатических данных, что примерно в 16 раз больше, чем у последней модели GPT. Aurora теперь может прогнозировать глобальное загрязнение воздуха на 5 дней и погоду на 10 дней в 5000 раз быстрее, чем традиционные методы.
После сотрудничества The Weather Company с NVIDIA более мощные вычислительные возможности сделали прогнозы ИИ быстрее, а результаты более точными и детальными.
Команда Университета Вилланова сосредоточилась на прогнозировании штормов. Их модель оценивает влияние штормов, определяя их масштаб и форму, например, приведут ли они к торнадо или граду. С помощью машинного обучения время предупреждения увеличилось с 15 минут до 1 часа до события.
"Скорость" - самое заметное преимущество инструментов ИИ. Традиционные модели общей циркуляции атмосферы (GCM) требуют огромных объемов климатических данных и суперкомпьютеров, что занимает много времени и энергии. Напротив, новые инструменты прогнозирования погоды на основе ИИ могут работать на ноутбуке, хотя их точность еще предстоит проверить.
Microsoft заявляет, что Aurora станет доступной для общественности в ближайшие месяцы. Пердикарис прогнозирует, что ИИ может быть интегрирован в метеорологические рабочие процессы в течение 2-5 лет.
Новая модель Google DeepMind "NeuralGCM" использует комплексный подход. Она более точна в прогнозировании климата на 1-10 дней, чем чисто машинные модели обучения и некоторые текущие модели. NeuralGCM объединяет ИИ и традиционные вычисления гидродинамики, значительно снижая потребность в вычислительной мощности при сохранении точности прогнозов.
Аарон Хилл, доцент метеорологии Университета Оклахомы, считает, что наиболее значимым аспектом таких инструментов ИИ является снижение вычислительной нагрузки, что потенциально позволяет создавать и рассчитывать долгосрочные, крупномасштабные климатические модели.
В условиях климатического кризиса не только метеорологические прогностические агентства, но и трейдеры товарных рынков, сельскохозяйственные планировщики и страховые компании готовы платить за более быстрые и точные модели прогнозирования погоды, и эта область быстро развивается.