Сегодняшние прогнозы погоды основаны на сложных моделях, включающих в себя законы, управляющие динамикой атмосферы и океанов, и эти модели выполняются на одних из самых мощных существующих суперкомпьютеров. Однако Alphabet (материнская компания Google) удалось предсказать глобальные погодные условия на следующие 10 дней всего за одну минуту, используя одну машину размером с персональный компьютер, благодаря искусственному интеллекту, разработанному DeepMind. Google AI предсказывает погоду и это только началось.
В этой статье мы расскажем вам, как ИИ Google предсказывает погоду и как развивалась эта технология.
Google AI предсказывает погоду
Удивительно, но эта система искусственного интеллекта превосходит большинство современных систем прогнозирования погоды практически во всех аспектах. Интересно, что на этот раз искусственный интеллект служит дополнением к человеческому интеллекту, а не заменой его.
Европейский центр среднесрочных прогнозов погоды (ECMWF) располагает невероятно продвинутой системой, которая в прошлом году претерпела серьезную модернизацию, улучшив ее прогностические возможности. Расположен на своих объектах в Болонье, Италия. Существует суперкомпьютер, оснащенный примерно миллионом процессоров. (в отличие от двух или четырех, которые есть в персональном компьютере) и необычайной вычислительной мощности в 30 петафлопс, что эквивалентно ошеломляющим 30.000 XNUMX триллионам вычислений в секунду.
Эта огромная вычислительная мощность необходима для одного из ее инструментов — прогнозирования высокого разрешения (HRES), который точно предсказывает среднесрочные глобальные погодные условия. Обычно они длятся 10 дней и имеют впечатляющее пространственное разрешение в девять километров.. Эти предсказания служат основой для прогнозов погоды, предоставляемых метеорологами по всему миру. Недавно GraphCast, искусственный интеллект, разработанный Google DeepMind, был использован для измерения возможностей этой огромной системы в области прогнозирования погоды.
Результаты исследования ИИ
Результаты сравнения, опубликованные во вторник в журнале Science, показывают, что GraphCast превосходит HRES в прогнозировании многочисленных погодных факторов. Согласно исследованию, Машина Google превосходит машину ECMWF по 90,3% из 1.380 исследованных показателей.
Сосредоточив внимание исключительно на тропосфере, слое атмосферы, где происходит большинство погодных явлений, и исключая данные из стратосферы, которая находится примерно на высоте от 6 до 8 километров над поверхностью Земли, искусственный интеллект (ИИ) превосходит суперкомпьютеры, контролируемые человеком, в 99,7% случаев. случаи. анализируемые переменные. Удивительно, но это достижение было достигнуто с использованием машины, очень напоминающей персональный компьютер, известной как тензорный процессор или TPU.
По словам Альваро Санчеса Гонсалеса, исследователя Google DeepMind, TPU — это специализированное оборудование, которое обеспечивает более эффективное обучение и выполнение программного обеспечения искусственного интеллекта по сравнению с обычным ПК, сохраняя при этом аналогичный размер. Подобно тому, как видеокарта компьютера отвечает за рендеринг изображений, TPU созданы для того, чтобы преуспевать в матричных продуктах. Для обучения GraphCast мы использовали 32 TPU в течение нескольких недель. Однако после завершения обучения один TPU может генерировать прогнозы менее чем за минуту, как пояснил Санчес Гонсалес, один из создателей устройства.
GraphCast и системы прогнозирования
Заметным отличием GraphCast от существующих систем прогнозирования является его способность включать исторические данные. Создатели обучили систему, используя метеорологические данные из архива ЕЦСПП, начиная с 1979 года. Этот обширный набор данных охватывает осадки в Сантьяго и циклоны, обрушившиеся на Акапулько за 40 лет. После длительного обучения GraphCast приобрел замечательную способность генерировать точные прогнозы погоды.
Чтобы точно предсказать погоду на следующие шесть часов, достаточно знать погодные условия за шесть часов до и непосредственно перед прогнозом. Прогнозы взаимозависимы, и каждый новый прогноз дополняет предыдущий. Ферран Алет, соавтор этой впечатляющей машины DeepMind, объясняет ее внутреннюю работу: «Наша нейронная сеть прогнозирует погодные условия на шесть часов вперед. Чтобы спрогнозировать погоду на 24 часа, мы просто оцениваем модель четыре раза. В качестве альтернативы мы могли бы обучить отдельные модели для разных периодов времени, например одну на шесть часов и одну на 24 часа. Однако, «Мы понимаем, что основные принципы, управляющие погодой, остаются неизменными в течение шестичасового периода».
«Поэтому, если мы сможем найти подходящую 6-часовую модель и использовать ее собственные прогнозы в качестве входных данных, мы сможем точно спрогнозировать погоду на следующие 12 часов и повторять этот процесс каждые шесть часов». По словам Алета, этот подход обеспечивает значительный объем данных для одной модели, что приводит к более эффективному обучению.
До сих пор прогнозы погоды основывались на численном прогнозе погоды, в котором используются научные уравнения, разработанные на протяжении всей истории для учета различных сложностей динамики атмосферы. Результаты исследователей создают набор математических алгоритмов, которые суперкомпьютеры необходимо запустить, чтобы получить прогнозы на следующие несколько часов, дней или недель (хотя надежность значительно снижается после 15 дней). Однако для решения этой задачи требуется очень продвинутый суперкомпьютер, что требует значительных затрат и обширных инженерных усилий.
Модель Google AI предсказывает погоду
Особенно примечательно то, что эти системы они не используют погодные условия предыдущего дня или даже прошлого года, несмотря на то, что произошло в том же месте и в то же время.
Наоборот, он подходит к задаче с другой стороны, почти с противоположной. Благодаря своим расширенным возможностям глубокого обучения он использует обширные архивы прошлых погодных данных, чтобы получить полное понимание сложной причинно-следственной динамики, которая диктует развитие климата Земли.
По словам Хосе Луиса Касадо, представителя Испанского метеорологического агентства (AEMET), исторические данные не учитываются в модели атмосферы. Касадо уточняет, что эта модель основана на существующих наблюдениях и самых последних предсказаниях, сделанных самой моделью. Точно понимая нынешнее состояние атмосферы, можно прогнозировать ее будущее развитие. В отличие от методов машинного обучения, этот подход не использует исторические данные или прогнозы.
Я надеюсь, что благодаря этой информации вы сможете узнать больше об искусственном интеллекте Google, предсказывающем погоду и ее характеристики.