Прогнозы ураганов с помощью искусственного интеллекта штурмуют мир прогнозирования погоды

«Не похоже, что это гарантированно сработает», — говорит Мэтью Чантри, координатор машинного обучения в ECWMF, который проводит этот сезон штормов. оценивая свою работу. Алгоритмы, лежащие в основе ChatGPT, были обучены с использованием триллионов слов, в основном взятых из Интернета, но не существует столь полной выборки для атмосферы Земли. В частности, ураганы составляют лишь небольшую часть доступных обучающих данных. То, что предсказанные Ли и другими траектории штормов оказались настолько точными, означает, что алгоритмы усвоили некоторые основы физики атмосферы.

Этот процесс имеет недостатки. По словам Чантри, поскольку алгоритмы машинного обучения фиксируют наиболее распространенные закономерности, они имеют тенденцию преуменьшать интенсивность выбросов, таких как волны сильной жары или тропические штормы. И есть пробелы в том, что могут предсказать эти модели. Например, они не предназначены для оценки количества осадков, которые происходят с более высоким разрешением, чем глобальные данные о погоде, используемые для их обучения.

Шакир Мохамед, директор по исследованиям DeepMind, говорит, что дождь и экстремальные явления — погодные явления, которые, возможно, больше всего интересуют людей — представляют собой «наиболее сложные случаи» для моделей погоды ИИ. Существуют и другие методы прогнозирования осадков, в том числе подход на основе локализованного радара, разработанный DeepMind. известный как NowCasting, но интеграция этих двух задач является сложной задачей. Более детальные данные, ожидаемые в следующей версии набора данных ECMWF, используемого для обучения моделей прогнозирования, могут помочь моделям ИИ начать предсказывать дождь. Исследователи также изучают, как настроить модели, чтобы они могли лучше предсказывать необычные события.

Проверка ошибок

Одно из сравнений, в котором модели ИИ безоговорочно выигрывают, — это эффективность. Метеорологи и чиновники по борьбе со стихийными бедствиями все чаще нуждаются в так называемых вероятностных прогнозах таких явлений, как ураганы, — кратком изложении ряда возможных сценариев и вероятности их возникновения. Таким образом, прогнозисты создают ансамблевые модели, которые отображают разные результаты. В случае тропических систем их называют моделями спагетти, потому что они показывают клубки множества возможных траекторий штормов. Но расчет каждой дополнительной лапши может занять часы.

Модели искусственного интеллекта, напротив, могут дать несколько прогнозов за считанные минуты. «Если у вас есть уже обученная модель, наша модель FourCastNet запускается за 40 секунд на старой старой видеокарте», — говорит ДеМария. «Таким образом, вы можете создать целый гигантский ансамбль, который невозможно реализовать с помощью физически обоснованных моделей».

К сожалению, истинные ансамблевые прогнозы содержат две формы неопределенности: как в первоначальных наблюдениях за погодой, так и в самой модели. Системы искусственного интеллекта не могут сделать последнее. Эта слабость проистекает из проблема «черного ящика» характерно для многих систем машинного обучения. Когда вы пытаетесь предсказать погоду, крайне важно знать, насколько сильно можно сомневаться в своей модели. Линси Се, старший исследователь искусственного интеллекта в Huawei, говорит, что добавление пояснений к прогнозам искусственного интеллекта — это требование номер один от метеорологов. «Мы не можем дать удовлетворительного ответа», — говорит он.

Несмотря на эти ограничения, Се и другие надеются, что модели ИИ смогут сделать точные прогнозы более доступными. Но перспектива передать метеорологию на базе искусственного интеллекта в руки кого-либо еще далека, говорит он. Чтобы делать прогнозы любого рода — со спутников, буев, самолетов, датчиков — требуются хорошие наблюдения за погодой, которые передаются через такие организации, как NOAA и ECMWF, которые обрабатывают данные в машиночитаемые наборы данных. Исследователи искусственного интеллекта, стартапы и страны с ограниченными возможностями по сбору данных жаждут увидеть, что они могут сделать с этими необработанными данными, но существует множество чувствительных вопросов, включая интеллектуальную собственность и национальную безопасность.

Ожидается, что эти крупные центры прогнозирования продолжат тестирование моделей до того, как с них снимут ярлык «экспериментальные». Метеорологи по своей природе консервативны, говорит ДеМария, учитывая, что на кону стоят жизни и имущество, а основанные на физике модели не собираются исчезать. Но он считает, что улучшения означают, что может пройти еще один или два сезона ураганов, прежде чем ИИ начнет играть какую-то роль в официальных прогнозах. «Они определенно видят потенциал», — говорит он.