Час читання: 2 хв.
Фахівці команди Google DeepMind заявили про розробку інноваційної моделі штучного інтелекту під назвою GenCast, здатної передбачати погоду точніше, ніж усі наявні у світі системи. Зокрема, вона перевершує можливості моделі Європейського центру середньострокових прогнозів погоди (ECMWF), яку до цього дня вважали найточнішою.
Що ще відомо
Нейромережа GenCast здатна прогнозувати погоду на 15 діб уперед і робить це за кілька хвилин, а не за години, що вимагаються всім сучасним системам. На відміну від стандартних інструментів, що базуються на складних фізико-математичних розрахунках, розробка корпорації Google навчалася винятково на історичних даних.
Реклама
Завдяки цьому модель створює величезну кількість варіантів прогнозу погоди для конкретного регіону, розрахованих тільки з урахуванням трохи змінених початкових умов. Такий підхід дає змогу не тільки передбачати погодні умови, а й оцінювати ймовірність їхньої реалізації.
За словами розробників, їхня ШІ-модель особливо точно прогнозує різні екстремальні погодні явища, наприклад, тропічні циклони, урагани тощо. Журналісти зазначили, що стандартні метеорологічні прогнози, зокрема й ті, що створюються Європейським центром середньострокових прогнозів погоди, базуються на складних математичних моделях, які імітують фізичні процеси в земній атмосфері. Для виконання подібних розрахунків застосовуються суперкомп’ютери, які обробляють величезні обсяги даних, отриманих з метеорологічних станцій і супутників.
У результаті процес прогнозування погоди займає кілька годин і вимагає серйозних обчислювальних потужностей. Завдяки тому, що модель GenCast навчалася тільки на історичних метеорологічних даних, вона здатна виявляти взаємозв’язки між різними атмосферними параметрами: температурними умовами, швидкістю вітру, вологістю і тиском.
Завдяки цьому розробка Google вже зараз перевершує традиційні фізичні інструменти. Аналітики також нагадують, що прогнози погоди із застосуванням моделей штучного інтелекту стають дедалі точнішими з кожним роком. Але більшість подібних рішень є детермінованими, тобто вони видають один прогноз на конкретну місцевість без оцінки його ймовірності.
Модель GenCast, навпаки, призначена для генерації ансамблевих прогнозів – своєрідних наборів варіантів, кожен з яких базується на початкових умовах, що трохи відрізняються. Об’єднуючи ці передбачення, фахівці можуть отримати найбільш точний підсумковий результат і дати оцінку ймовірності його реалізації.
