Google DeepMind представил новый инструмент прогнозирования погоды на основе искусственного интеллекта в понедельник, который способен генерировать глобальные прогнозы погоды в восемь раз быстрее традиционных инструментов, как сообщается.
Названный WeatherNext 2, этот инструмент позиционируется как средство помощи агентствам в более быстрой подготовке к экстремальным условиям, поскольку мир продолжает сталкиваться с частыми природными катастрофами, вызванными все более теплым климатом.
Для этого он генерирует сотни возможных сценариев из одного исходного пункта, каждый из которых вычисляется менее чем за минуту на одном специализированном чипе Tensor Processing Unit (TPU), разработанном Google для ускорения задач машинного обучения и искусственного интеллекта.
Мы полагаемся на точные прогнозы погоды при принятии критических решений — от цепочек поставок до энергетических сетей до планирования урожая, написал исследователь искусственного интеллекта Google DeepMind Питер Баттаглия на платформе X. Искусственный интеллект меняет то, как мы прогнозируем погоду.
Развертывание в продуктах Google
Прогнозы WeatherNext 2 уже работают в поисковой системе, Gemini, Pixel Weather и API погоды Google Maps, с более широким развертыванием в будущем.
Наша команда работает над интеграцией WeatherNext в нашу систему прогнозирования, заявил менеджер продукта WeatherNext 2 Акиб Уддин в заявлении. Независимо от того, используете ли вы поисковую систему, Android или Google Maps, погода влияет на всех нас, и поэтому, улучшая точность прогнозов погоды, мы можем помочь всем.
Традиционные модели могут занимать часы, ограничивая частоту обновления сценариев, сообщает DeepMind. Благодаря использованию продвинутого искусственного интеллекта WeatherNext 2 превосходит свою предыдущую операционную модель WeatherNext Gen, утверждает компания.
Он примерно в восемь раз быстрее предыдущего вероятностного моделирования, представленного в прошлом году, и в шесть раз точнее, сказал Баттаглия в заявлении. Вместо того чтобы делать шаги каждые шесть часов, он делает их каждую час. Он превосходит предыдущий WeatherNext Gen по 99,9% переменных, которые мы протестировали.
На практике это означает, что новая система обеспечивает более точные прогнозы температуры, ветра, влажности и давления почти везде и практически в каждой точке в течение 15-дневного окна.
DeepMind приписывает эти достижения новому подходу к моделированию, описанному в июньской исследовательской работе под названием Функциональные порождающие сети (Functional Generative Networks, FGN), которая изменяет способ представления неопределенности и генерации вариаций прогнозов.
Фирменная модель Калифорнии использует искусственный интеллект для борьбы с растущими угрозами лесных пожаров
Новый подход к моделированию
FGN обучается только на однофакторных прогнозах или маргиналах, таких как температура, ветер или влажность в определенном месте, согласно Google.
Тем не менее, эта модель учится тому, как взаимодействуют эти переменные, позволяя ей предсказывать более широкие взаимосвязанные паттерны, такие как региональные события жары и поведение циклонов.
Google сообщил, что FGN соответствует GenCast в прогнозах экстремальных двухметровых температур и превосходит его в прогнозах экстремального десяти-метрового ветра в зависимости от переменной.
Модель также показала лучшую калибровку во времени и лучшее выполнение, когда прогнозы оценивались на больших территориях, а не на отдельных точках.
Используя стандартную метрику точности прогнозов под названием Непрерывный ранговый вероятностный балл (Continuous Ranked Probability Score, CRPS), статья докладывает об улучшениях в среднем на 8,7% для среднего пула CRPS и на 7,5% для максимального пула CRPS по сравнению с GenCast.
Новая модель ИИ обещает более быстрые и умные прогнозы погоды
Прогнозирование тропических циклонов
FGN также улучшил прогнозирование тропических циклонов.
По сравнению с историческими треками из Международного архива лучших траекторий для охраны климата, ансамблевые средние прогнозы уменьшили ошибки местоположения примерно на 24 часа опережения между трех- и пятидневными прогнозами.
Версия FGN, работающая с интервалом в 12 часов, показала большую ошибку, чем версия с шестичасовым интервалом, но все же превосходила GenCast на сроках прогноза свыше двух дней.
Прогноз вероятности следа показал более высокую относительную экономическую ценность по большинству коэффициентов затрат и потерь и сроков прогноза.
DeepMind заявил, что экспериментальные инструменты прогнозирования циклонов, созданные с использованием этой технологии, были переданы метеорологическим агентствам.
Вы получаете более точные прогнозы и получаете их быстрее, и это помогает всем принимать правильные решения, особенно по мере того, как мы начинаем видеть все больше и больше экстремальной погоды, сказал Уддин. Я думаю, существует целый спектр приложений для лучшего прогнозирования погоды.
