GenCast od Google zastąpi meteorologów? 97. proc dokładności
Najnowsze osiągnięcia w dziedzinie sztucznej inteligencji otwierają zupełnie nowe możliwości w dziedzinie prognozowania pogody. GenCast, rewolucyjny model AI od Google DeepMind, znacznie przewyższa dotychczasowe najdokładniejsze metody i podchodzi do prognoz w odmienny sposób niż inne podobne modele. Jak działa ta technologia i jakie korzyści może nam przynieść?
GenCast to przełomowy model AI, który w testach wykazał się wyższą precyzją niż uznawany za lidera w branży system ENS z Europejskiego Centrum Średnioterminowych Prognoz Pogody.
W praktyce GenCast jest w stanie przewidywać zmiany pogody z dokładnością do 20 proc. wyższą niż ENS, analizując zarówno codzienne warunki atmosferyczne, jak i ekstremalne zjawiska pogodowe, m.in. huragany czy cyklony tropikalne. Porównując wyniki z rzeczywistymi danymi, model ten osiągnął dokładność przewidywań na poziomie 97 proc.
Co więcej, model przewiduje trajektorie ekstremalnych zjawisk pogodowych z większą dokładnością, co ma niebagatelne znaczenie dla ochrony ludności oraz planowania działań ratunkowych. "Pokonanie ENS przez GenCasta to punkt zwrotny w rozwoju AI dla prognoz pogody" – powiedział Ilan Price, naukowiec z Google DeepMind.
Jak działa GenCast?
Tradycyjne prognozy opierają się na rozbudowanych modelach matematycznych, wymagających setek tysięcy procesorów i wielu godzin pracy superkomputerów. GenCast działa zupełnie inaczej. Model uczył się na podstawie 40 lat danych pogodowych, analizując liczne zmienne, wymienia się tu przede wszystkim prędkość wiatru, temperaturę, ciśnienie czy wilgotność, choć oczywiście było ich znacznie więcej. Dzięki temu nauczył się doskonale przewidywać, jak zmieniają się warunki atmosferyczne w różnych miejscach na Ziemi.
GenCast wyróżnia się także szybkością działania, gdyż stworzenie 15-dniowej prognozy zajmuje mu zaledwie 8 minut przy użyciu pojedynczego układu TPU w Google Cloud. To znaczące przyspieszenie w porównaniu z tradycyjnymi metodami.
Dodatkowo model od Google generuje swoje prognozy, podając prawdopodobieństwo różnych scenariuszy pogodowych, co pozwala na bardziej uniwersalne dostosowanie się do prognoz.
Model nie jest wolny od problemów
Choć GenCast to przełomowa technologia, nie jest pozbawiona ograniczeń. Model wciąż bazuje na danych historycznych, które mogą nie być w pełni adekwatne w obliczu dynamicznie zmieniającego się klimatu. Profesor Sarah Dance z Uniwersytetu w Reading, wskazuje również na trudności w odzwierciedleniu tzw. efektu motyla, czyli kaskady szybkich, gwałtownie rosnących niepewności w prognozach.
Dodatkowym wyzwaniem są zmienne atmosferyczne, które nie zawsze są bezpośrednio obserwowane i mierzone. Aby wypełnić te luki, GenCast do swojego treningu wykorzystuje dane historyczne wzbogacone o symulacje fizyczne, które, choć nie tak dokładne jak rzeczywiste pomiary, to, jak widać po wynikach modelu, dobrze sprawdziły się w roli danych uczących.
Czy AI zastąpi meteorologów?
Mimo imponujących wyników modelu GenCast, rola człowieka w prognozowaniu pogody nadal jest nieoceniona. Jak zauważa Aaron Hill, meteorolodzy potrafią "łączyć kropki" z różnorodnych danych i podejmować ważne decyzje w oparciu o swoją wiedzę. AI, choć niezwykle pomocna i szybka, na ten moment nie jest w stanie w pełni zastąpić ludzkiej intuicji i doświadczenia. Widzi się ją raczej jako narzędzie wspierające pracę człowieka.
***
Bądź na bieżąco i zostań jednym z 89 tys. obserwujących nasz fanpage - polub Geekweek na Facebooku i komentuj tam nasze artykuły!
