RU
EN
Google DeepMind, искусственный интеллект научной лаборатории в Лондоне, создал систему, которая, по мнению ее создателей, может предсказывать погоду на десять дней вперед с наивысшей точностью в мире. Эта модель, названная GraphCast, работает быстрее и точнее, чем HRES (High-Resolution Forecast), признанный стандарт в отрасли.
Данные, полученные от GraphCast, были анализированы специалистами из Европейского центра среднесрочных прогнозов погоды (ЕЦСПП) — межправительственной организации, которая создает HRES. Текущую версию GraphCast можно найти на сайте ЕЦСПП. В сентябре модель предсказала за девять дней, что ураган «Ли» обрушится на побережье Новой Шотландии (Канада), тогда как традиционные прогностические методы определили это только за шесть дней. Более того, они оказались менее точными в отношении времени и места прибытия урагана.
GraphCast может определять опасные погодные условия, даже если она не была специально обучена для их обнаружения. Благодаря интеграции простого инструмента для отслеживания циклонов, модель предсказывает их движение точнее, чем метод HRES. Учитывая, что климат становится все более непредсказуемым, своевременность и точность прогнозов становятся критическими при планировании мероприятий в ответ на угрозы стихийных бедствий.
Традиционные методы прогнозирования погоды основаны на сложных физических уравнениях, которые преобразуются в алгоритмы и обрабатываются суперкомпьютерами. Это трудоемкий процесс, требующий специализированных знаний и больших вычислительных ресурсов. Модель GraphCast сочетает алгоритмы машинного обучения и графовые нейросети — архитектуру для обработки пространственно структурированных данных. Для изучения причинно-следственных связей систему обучали на большом объеме метеорологической информации за последние 40 лет. ЕЦСПП предоставил данные мониторинга со спутников, радаров и метеостанций. Однако алгоритм не отказывается от традиционных подходов: когда в наблюдениях обнаруживаются пробелы, они заполняются с использованием физических методов прогнозирования.
GraphCast делает прогнозы с точностью до 0,25° широты и долготы. Другими словами, Земля разделена на миллион секторов, для каждого из которых создается прогноз с пятью переменными на земной поверхности и шестью атмосферными показателями, охватывающими атмосферу планеты в трех измерениях на 37 уровнях. Переменные включают показатели температуры, ветра, влажности, осадков и давления на уровне моря. Также учитывается геопотенциал — гравитационная потенциальная энергия на единицу массы в данной точке относительно уровня моря.
Во время тестирования модель GraphCast превзошла на 90% самые точные детерминированные системы для 1380 тестовых объектов. В тропосфере — нижнем слое атмосферы — прогнозы GraphCast оказались точнее HRES по 99,7% тестовых переменных. При этом модель демонстрирует высокую эффективность: прогноз на десять дней выполняется менее чем за минуту на одной машине Google TPU v4, в то время как традиционный подход требует нескольких часов работы суперкомпьютера с сотнями машин.
Несмотря на впечатляющие результаты, разработка GraphCast еще не завершена: модель достаточно точно определяет движение циклонов, но пока не может составить конкуренцию традиционным методам в определении их характеристик. Возможно, модель будет дорабатываться и по другим аспектам, что только увеличит ее точность. Google DeepMind приглашает всех желающих присоединиться к проекту — разработчик опубликовал исходный код модели.
