Modelele meteorologice și climatice bazate pe inteligență artificială sunt setate să schimbe viitorul prognozelor, spun cercetătorii

Un nou sistem de prognoză meteo și prognoză climatică viitoare utilizează inteligența artificială pentru a obține rezultate similare cu cele mai bune modele existente în timp ce utilizează mult mai puțină putere de calcul, potrivit creatorilor săi.

În hârtie Publicat în naturăO echipă de cercetători de la Google, MIT, Universitatea Harvard și Centrul European pentru Prognoza Meteo pe Interval Mediu spun că modelul lor oferă „economii computaționale” enorme și poate „îmbunătăți simulările fizice la scară largă, care sunt esențiale pentru înțelegerea și prezicerea sistemului Pământului. .”

Modelul NeuralGCM este cel mai recent dintr-o linie consacrată de modele de cercetare care utilizează progrese în învățarea automată pentru a face previziuni meteorologice și climatice mai rapide și mai ieftine.

Ce este NeuralGCM?

Modelul NeuralGCM își propune să combine cele mai bune caracteristici ale modelelor tradiționale cu o abordare de învățare automată.

În esență, NeuralGCM este un așa-numit „model de ciclu general”. Conține o descriere matematică a stării fizice a atmosferei Pământului și rezolvă ecuații complexe pentru a prezice ce se va întâmpla în viitor.

Cu toate acestea, NeuralGCM folosește și învățarea automată – procesul de căutare a modelelor și regularităților în cantități mari de date – pentru unele procese fizice mai puțin înțelese, cum ar fi formarea norului. Abordarea hibridă asigură că rezultatele modulelor de învățare automată sunt în concordanță cu legile fizicii.

Modelul rezultat poate fi folosit apoi pentru a prognoza zilele și săptămânile meteo în avans, precum și pentru a căuta luni și ani înainte pentru prognozele climatice.

Cercetătorii au comparat NeuralGCM cu alte modele folosind un set standardizat de teste de predicție numite Banca meteo 2Pentru prognozele pe trei și cinci zile, NeuralGCM a funcționat la fel ca și alte modele meteorologice bazate pe învățarea automată, cum ar fi Pango Și graphcastPentru prognozele pe termen mai lung, peste zece și cincisprezece zile, acuratețea modelului NeuralGCM a fost aproape identică cu cele mai bune modele convenționale existente.

Modelul NeuralGCM a avut, de asemenea, succes în prezicerea fenomenelor meteorologice mai puțin obișnuite, cum ar fi ciclonii tropicali și râurile atmosferice.

De ce învățarea automată?

Modelele de învățare automată se bazează pe algoritmi care învață tipare în datele pe care le furnizează și apoi folosesc această învățare pentru a face predicții. Deoarece sistemele climatice și meteorologice sunt atât de complexe, modelele de învățare automată necesită cantități mari de observații istorice și date din satelit pentru antrenament.

Procesul de instruire este foarte costisitor și necesită multă putere de calculator. Cu toate acestea, după ce modelul este antrenat, este rapid și ieftin de utilizat pentru predicție. Aceasta este o mare parte a atracției sale pentru prognoza meteo.

Costul ridicat al instruirii și costul scăzut de utilizare sunt similare cu alte tipuri de modele de învățare automată. De exemplu, GPT-4, S-a spus Antrenamentul lui a durat câteva luni și a costat peste 100 de milioane de dolari SUA, dar este capabil să răspundă la orice întrebare în câteva momente.

Un punct slab al modelelor de învățare automată este că deseori se luptă în situații nefamiliare – sau, în acest caz, în condiții meteorologice extreme sau fără precedent. Pentru a face acest lucru, modelul trebuie să poată generaliza sau extrapola dincolo de datele pe care a fost antrenat.

Modelul NeuralGCM pare a fi mai bun la acest lucru decât alte modele de învățare automată, deoarece nucleul său bazat pe fizică oferă o anumită bază pentru realitate. Pe măsură ce clima Pământului se schimbă, condițiile meteorologice fără precedent vor deveni mai frecvente și nu știm cât de bine vor fi capabile să țină pasul modelele de învățare automată.

Deocamdată, nimeni nu folosește modele meteo bazate pe învățarea automată pentru prognoza zilnică. Cu toate acestea, este un domeniu de cercetare foarte activ – și într-un fel sau altul, putem fi încrezători că previziunile viitorului vor implica învățarea automată.

Acest articol a fost republicat din Conversaţie Sub licență Creative Commons. Citit Articol original.