Нов модел за прогнозиране на времето от Google съчетава ИИ с традиционна физика
Изследователите от Гугъл DeepMind сътвориха нов модел за прогнозиране на времето, който съчетава машинно образование с по-конвенционални техники, като евентуално дава точни прогнози с доста по-ниски разноски.
Моделът, наименуван NeuralGCN, е разказан в публикация в научното списание Nature.
Той преодолява разделяне, което набъбна измежду специалистите по прогнозиране на времето през последните няколко години.
Въпреки че новите техники за машинно образование, които предсказват времето посредством учене от години на минали данни, са извънредно бързи и ефикасни, те могат да изостават при дълготрайните прогнози. Моделите на общата циркулация, въпреки това, които преобладават в прогнозирането на времето през последните 50 години, употребяват комплицирани уравнения за моделиране на измененията в атмосферата и дават точни прогнози, само че постепенно и на висока цена. Експертите са разграничени по въпроса кой инструмент ще бъде най-надежден в бъдеще.
Новият модел от Гугъл вместо това се пробва да комбинира двете.
„ Това не е състезание на физика против изкуствен интелект. Това в действителност е физика и ИИ дружно “, споделя Стефан Хойер, откривател на ИИ в Гугъл DeepMind и съавтор на публикацията.
Системата към момента употребява стандартен модел, с цел да създаде някои от огромните атмосферни промени, нужни, с цел да се направи прогноза. След това включва ИИ, който има наклонност да се оправя добре, когато тези по-големи модели се разпадат. А точно за прогнози в мащаби, по-малки от към 25 километра. Примери са прогнозите, които се занимават с облачни формирания или районни микроклимати (като мъглата в даден град).
Там инжектираме ИИ доста селективно, с цел да поправяме грешките, които се натрупват в дребни мащаби.
Хойер
Резултатът, споделят откривателите, е модел, който може да създава качествени прогнози по-бързо и с по-малко изчислителна мощ. Те споделят, че NeuralGCM е толкоз прецизен, колкото прогнозите за до 15 дни напред от Европейския център за средносрочни прогнози за времето (ECMWF), който е партньорска организация в проучването.
Но същинското заричане на технология като тази не е в по-добрите метеорологични прогнози за даден регион, споделя Арън Хил, помощник в Училището по метеорология към Университета на Оклахома, който не е взел участие в това проучване.
Вместо това, обещанието е в по-мащабни климатични събития, които са непостижимо скъпи за моделиране с стандартни техники. Възможностите могат да варират от предсказание на тропически циклони с по-ранно предизвестие до моделиране на по-сложни климатични промени, които се чакат след години.
Толкова е интензивно от изчислителна позиция да се симулира земното кълбо още веднъж и още веднъж или за дълги интервали от време.
Хил
Това значи, че най-хубавите климатични модели са затруднени от високите разноски за изчислителна мощ, което съставлява същинска спънка за проучванията.
Моделите, основани на ИИ, в действителност са по-компактни.
Веднъж подготвен, нормално на 40 години исторически метеорологични данни от ECMWF, модел за машинно образование като GraphCast на Гугъл може да работи на по-малко от 5500 реда код.
В съпоставяне с близо 377 000 реда, нужни за модела от Националната администрация за океаните и атмосферата, съгласно публикацията.
NeuralGCM, съгласно Хил, наподобява прави мощни причини, че ИИ може да бъде употребен за съответни детайли от моделирането на времето. Ще направи нещата по-бързи, като в същото време резервира мощните страни на стандартните системи.
Не е нужно да изхвърляме цялото познание, което сме натрупали през последните 100 години за това по какъв начин работи атмосферата. Всъщност можем да интегрираме това със силата на ИИ и машинното образование.
Хил
Хойер споделя, че потреблението на модела за прогнозиране на краткосрочното време е било потребно за валидиране на неговите прогнози. Целта обаче в действителност е да може да се употребява за по-дългосрочно моделиране, изключително за рискови метеорологични опасности.
NeuralGCM ще бъде с отворен код.
Въпреки че Хойер споделя, че чака с неспокойствие учените по климата да го употребяват в своите проучвания, моделът може да съставлява интерес и за повече от университетските среди. Търговците на първични материали и огромните селскостопански производителите заплащат скъпо за точни прогнози на времето. Моделите, употребявани от застрахователните компании за артикули като застраховка против наводнения или рискови метеорологични условия, се борят настойчиво да отчетат въздействието на изменението на климата.
Докато доста от скептиците в прогнозирането на времето с ИИ са били извоювани от последните разработки, съгласно Хил бързият ритъм е сложен за изследователската общественост.
Нов модел се пуска от Гугъл, Nvidia или Huawei на всеки два месеца.
Това затруднява откривателите да решат кой от новите принадлежности ще бъде най-полезен и надлежно да аплайват за безплатни средства за научни проучвания.
