Новая гонка искусственного интеллекта: новые модели революционизируют прогнозирование погоды

Точное прогнозирование погоды на как можно более долгий срок необходимо не только для определения доступности возобновляемых источников энергии, планирования маршрутов или эффективного управления инвестициями в сельское хозяйство или инфраструктуру. На карту также поставлены жизни. По данным Глобальной базы данных о стихийных бедствиях (EM-DAT) Католического университета Лёвена (Брюссель), за два десятилетия наводнения затронули 2,5 миллиарда человек, четверть миллиона из них погибли, а ущерб оценивается в 936 миллиардов человек. Технологические гиганты стремятся разработать лучшую модель прогнозирования. В эту среду журнал Nature сообщает о разработке Aurora — модели искусственного интеллекта (ИИ), разработанной Microsoft в сотрудничестве с университетами Пенсильвании, Кембриджа и Амстердама, а также другими. Цель состоит в том, чтобы достичь максимально возможной точности и предвидения эффективным способом, в гонке, в которой также участвуют IBM и ESA ( TerraMind ) и Google ( GraphCast ).

Прогнозирование погоды — один из самых сложных процессов. В эволюцию атмосферы вмешиваются сотни непредсказуемых факторов. Любое изменение в одном из них может испортить прогноз. По этой причине самые надежные прогнозы не выходят за рамки трех дней. Однако инвестиции в преодоление этого ограничения того стоят: это спасет жизни и предотвратит экономические потери, которые, по оценкам исследования, опубликованного в Nature Communications, составляют 143 млрд долларов США в год (128 млрд евро).

Microsoft утверждает, что Aurora обеспечивает более точное и эффективное прогнозирование погоды с высоким разрешением, включая качество воздуха, траектории тропических циклонов и динамику океанских волн. По данным Microsoft, программа была обучена с использованием более миллиона часов разнообразных данных о системе Земля, а ее модель была настроена так, чтобы «превзойти» несколько существующих операционных систем по скорости и точности. Компания утверждает, что ее модель дала «лучшие результаты, чем самые современные числовые модели, в 92% случаев и улучшила характеристики в экстремальных ситуациях».

Традиционные численные модели основаны на десятилетиях данных, требующих огромной вычислительной мощности. Сбор и обработка некоторых факторов занимают несколько дней и требуют суперкомпьютеров и сложного оборудования. Недавно ИИ сократил эти затраты ресурсов. В случае Авроры, по словам авторов исследования, ее обучение заняло всего восемь недель по сравнению с годами, используемыми в традиционных системах. Исследователи отмечают, что модель Aurora может также стать основой для анализа других климатических факторов, не задействованных в ее текущем развитии.

Пэрис Пердикарис , доцент кафедры машиностроения Пенсильванского университета и соавтор исследования, говорит, что Aurora была «вызовом», поскольку речь шла не только о проектировании и разработке надежных и точных инструментов прогнозирования, но и потому, что они были «доступны каждому и требовали очень мало вычислительных ресурсов».

«Aurora не использует физические принципы напрямую, а скорее полагается на наблюдения и информацию и извлекает уроки из очень разнообразного набора геофизических данных, включая прогнозы, наблюдения, анализы и повторные анализы — по сути, реконструкцию исторических погодных условий», — объясняет Пердиакис.

В поддержку точности системы исследователь подчеркивает: «Впервые мы продемонстрировали, что система ИИ может превзойти все оперативные центры прогнозирования ураганов. Используя только исторические данные, [Aurora] смогла правильно спрогнозировать все ураганы в 2023 году с большей точностью, чем оперативные центры». Пердикарис также подчеркивает, что модель демонстрирует «потенциал для точного определения штормов и экстремальных явлений в очень локальных масштабах».

TerraMind от IBM и ESA

В этой гонке участвуют и другие гиганты. IBM опубликовала в открытом репозитории ArXiv результаты TerraMind — модели Европейского космического агентства (ЕКА) и многонациональной корпорации, которая, вкратце, представляет собой «мозг» для спутниковых систем наблюдения за Землей, глаза Земли и десятилетия информации о поведении атмосферы.

«Мы запустили новые модели. В дополнение к радиолокационным данным мы добавляем другие модели, такие как дифференциальный индекс растительности, который помогает нам понять жизнь на поверхности Земли; профили высот, чтобы понять все в трех измерениях; геокоординаты… Если у нас есть визуальное спутниковое изображение, наша система может сгенерировать все остальные модели», — объясняет Хуан Бернабе-Морено, директор исследовательского подразделения IBM в Ирландии и Великобритании и руководительСтратегии ускоренных исследований в области климата и устойчивого развития .

Система может не только показывать, что происходит под облаками, которые мешают работе спутников. Он также способен обнаруживать, например, загрязнение океана, отслеживать флоты, восстанавливать районы, пострадавшие от пожара, инвазивные виды в экосистеме, биоразнообразие или деградацию почвы, эволюцию явления или генерировать прогнозы на основе моделирования с использованием исторических данных. «Его можно применять ко всему, что проявляется в атмосфере; это добавляет уровень понимания планеты, которого раньше не было», — резюмирует Бернабе-Морено.

TerraMind имеет открытый исходный код и требует очень мало памяти (1,5 ГБ), поэтому он доступен любому человеку без необходимости использования сложного оборудования. «Для нас очень важно, чтобы сообщество приняло и использовало это», — утверждает ученый. В будущих версиях мы будем работать с системами искусственного интеллекта, которые позволят пользователям, например, владельцам ранчо, желающим узнать больше о своих природных ресурсах и возможностях их развития, взаимодействовать с программой посредством диалога.

Испанская компания Xoople также работает в этой области, «сбора и анализа наземных данных для обеспечения систематического понимания физических изменений на поверхности Земли». Компания только что получила финансирование в размере 115 миллионов евро благодаря поддержке AXIS, венчурной компании Официального кредитного института (ICO), и CDTI, подразделения Министерства науки, инноваций и университетов Испании, которое присвоило ей статус стратегической компании. Цель состоит в том, чтобы применять ИИ для распознавания закономерностей, обнаружения изменений и предоставления прогностической аналитики на общих платформах.

Google DeepMind, компания североамериканского технологического гиганта, занимающаяся разработкой искусственного интеллекта, первой продемонстрировала в журнале Science модель прогнозирования погоды на основе машинного обучения, позволяющую составлять 10-дневные прогнозы, которые «лучше, быстрее и доступнее существующих подходов», говорится в исследовании. Модель, получившая название GraphCast , превзошла традиционные системы в 90% протестированных случаев.

Системой, которая послужила эталоном для Google, стал Европейский центр среднесрочных прогнозов погоды (ECMWF), в распоряжении которого в Болонье (Италия) находится суперкомпьютер с примерно миллионом процессоров и мощностью 30 петафлопс (30 000 триллионов вычислений в секунду). Этот центр, использующий искусственный интеллект в своей Интегрированной системе прогнозирования (AIFS) и предлагающий долгосрочные прогнозы погодных явлений, предвидел проливные дожди в сентябре в Центральной Европе .

GraphCast не требует этих возможностей и использует машинное обучение, обученное на исторических данных, чтобы предоставлять точный 10-дневный прогноз менее чем за минуту. «Мы считаем, что это знаменует собой поворотный момент в прогнозировании погоды», — говорят авторы во главе с ученым DeepMind Реми Лэмом.