ИИ-модель прогноза погоды от DeepMind превзошла конкурента мирового класса
Традиционные метеорологические прогнозы, в том числе те, что создаются ENS, основаны на сложных математических моделях, имитирующих физические процессы в земной атмосфере. Для этих расчетов используются суперкомпьютеры, обрабатывающие огромные объемы данных со спутников и метеостанций. Весь процесс занимает несколько часов и требует больших вычислительных мощностей. В отличие от них, GenCast обучалась исключительно на исторических метеорологических данных. Это позволило ей выявить сложные взаимосвязи между атмосферными параметрами — давлением, влажностью, температурой и скоростью ветра. Поэтому GenCast превосходит строго физические инструменты.
ИИ-прогнозы погоды становятся все точнее. Компании вроде Huawei и Nvidia создают новые модели, а Google представила гибридную систему NeuralGCM3, сочетающую физические модели и ИИ. Некоторые модели — детерминированные, то есть они предоставляют единственный прогноз без оценки его вероятности. GenCast, напротив, генерирует ансамблевые прогнозы: набор вариантов, каждый из которых основан на слегка отличающихся начальных условиях. Объединяя эти предсказания, ученые могут получить итоговый результат и оценить вероятность его реализации.
Gen Cast использует диффузионные модели, обученные на смешивании оригинальных изображений, текстов или погодных шаблонов с их зашумленными версиями. Система учится преобразовывать шум в данные, максимально приближенные к оригиналу. Для реалистичных метеорологических прогнозов модель преобразует шум, опираясь на текущее состояние атмосферы и её недавнюю историю. Для долгосрочных предсказаний используются как реальные сведения, так и результаты предыдущих прогнозов. Алгоритм работает с интервалом в 12 часов, поэтому прогноз на третий день основывается на начальных условиях, предыдущей истории и прогнозах за первые два дня. Такой подход позволяет создавать много разных прогнозов, каждый из которых немного отличается от других.
Ученые обучили нейросеть на глобальной метеорологической информации за период с 1979 по 2018 годы, а затем использовали ее для прогнозирования погоды в 2019 году. Чтобы оценить точность модели, они сравнили прогнозы GenCast с реальными метеорологическими показателями и прогнозами ENS за тот же год. GenCast был точнее в 97% показателей, используемых для оценки вероятностных прогнозов. Кроме того, модель лучше предсказывала экстремальные температуры (жару и холод), силу ветра и траектории тропических циклонов.
GenCast выдает прогноз погоды на две недели всего за восемь минут, используя один процессор для искусственного интеллекта. Это в разы быстрее, чем у обычных моделей.
Исследователи выпустили базовый код и сделали параметры модели, «весы», доступными для некоммерческого использования. Это поможет демократизировать исследования и расширить доступ к моделированию погоды.