Dirbtinio intelekto bendrovė “DeepMind”, jau daugelį metų priklausanti “Google”, pristatė naują orų prognozavimo modelį, kuris daugiau kaip 90 % atvejų pranoksta tradicines sistemas. Mašininio mokymosi modelis, pavadintas “GraphCast”, žada 10 dienų prognozes, kurios bus geresnės, greitesnės ir efektyvesnės. Apie tai rašo mokslo žurnalas “Science“.
Ką žinome?
Dabartinis prognozavimo modelis vadinamas skaitmeniniu orų prognozavimu (NWP). Jis dabartines oro sąlygas perduoda į didžiulius modelius, kurie, remdamiesi skysčių dinamikos, termodinamikos ir kitų atmosferos mokslų principais, apskaičiuoja būsimus pokyčius. Jis sudėtingas, brangus ir reikalauja daugybės skaičiavimo galios.
Užuot atlikusi modeliavimą, kaip molekulės skraidys ir atsitrenks viena į kitą, “GraphCast” laužo tradicijas ir daugiau dėmesio skiria istoriniams duomenims. Kitaip tariant, tai yra mašininio mokymosi modelis, kuris daro prognozes remdamasis tuo, kas įvyko praeityje. Tai daug paprastesnis būdas, kalbant apie reikalingų skaičiavimų lygį ir kiekį, nors ir reikalauja daugybės šiuolaikinių informatikos sprendimų.
“GraphCast” pradedama nuo dabartinių orų Žemėje ir prieš šešias valandas pateiktų orų duomenų. Tuomet ji prognozuoja, kokie orai bus po šešių valandų. Po to “GraphCast” šias prognozes vėl įtraukia į modelį, atlieka tuos pačius skaičiavimus ir parengia ilgalaikes prognozes.
“Google” komanda palygino “GraphCast” rezultatus su šiuo metu vidutinės trukmės orų prognozėms naudojamu HRES modeliu.
Tyrimo duomenimis, “GraphCast” “gerokai” pranoko HRES 90 % bandyme naudotų tikslų.
GraphCast taip pat stebėtinai sėkmingai prognozavo ekstremalius orų reiškinius, įskaitant atogrąžų ciklonus ir ekstremalius temperatūros svyravimus, nors nebuvo specialiai apmokytas juos valdyti.
Tyrimo autoriai teigia, kad jų darbas turėtų veikti kartu su standartinėmis sistemomis, kuriomis remiasi meteorologai. “Mūsų metodas neturėtų būti laikomas tradicinių orų prognozavimo metodų pakaitalu. Veikiau mūsų darbą reikėtų interpretuoti kaip įrodymą, kad [mašininio mokymosi orų prognozavimas] gali spręsti realias prognozavimo problemas ir turi potencialą papildyti ir patobulinti geriausius esamus metodus”, – sako kūrėjai.
Dar neaišku, kaip ilgai tai veiks, atsižvelgiant į tai, kaip greitai dėl visuotinio atšilimo keičiasi Žemės klimatas.
