今日の天気予報は、大気と海洋の力学を支配する法則を組み込んだ複雑なモデルに基づいており、これらのモデルは現存する最も強力なスーパーコンピューターのいくつかで実行されます。 しかし、Alphabet (Google の親会社) は、DeepMind が開発した人工知能のおかげで、パソコンほどの大きさの 10 台のマシンを使用して、わずか XNUMX 分で今後 XNUMX 日間の世界の気象状況を予測することに成功しました。 の Google AIが天気を予測 そしてこれはまだ始まったばかりです。
この記事では、Google AI がどのように天気を予測するのか、そしてこのテクノロジーがどのように進化してきたのかについて説明します。
Google AIが天気を予測
驚くべきことに、この AI システムは、ほとんどすべての面で最新の気象予測システムよりも優れています。 興味深いことに、今回は人工知能が人間の知能に取って代わるのではなく、それを補完する役割を果たしているようです。
欧州中期天気予報センター (ECMWF) は非常に高度なシステムを備えており、昨年大規模なアップグレードが行われ、予測機能が向上しました。 イタリアのボローニャにある自社施設で開催され、 約XNUMX万個のプロセッサを搭載したスーパーコンピュータがある (パーソナル コンピューターの 30 つまたは 30.000 つとは対照的) XNUMX ペタフロップスという並外れた計算能力、これは XNUMX 秒あたり XNUMX 兆回の驚異的な計算に相当します。
この膨大な計算能力は、中期的な地球規模の気象パターンを正確に予測するツールの XNUMX つである高解像度予測 (HRES) に必要です。 それらは通常 10 日間続き、空間解像度は XNUMX キロメートルという驚異的です。。 これらの予測は、世界中の気象学者によって提供される天気予報の基礎として機能します。 最近、Google DeepMind によって開発された人工知能 GraphCast が、天気予報におけるこの恐るべきシステムの能力を測定するために使用されました。
AIの研究結果
サイエンス誌に火曜日に掲載された比較結果では、GraphCast が数多くの気象要因の予測において HRES よりも優れていることが明らかになりました。 研究によると、 Google のマシンは、調査した 90,3 の指標のうち 1.380% で ECMWF のマシンを上回っています。
ほとんどの気象現象が発生する大気層である対流圏にのみ焦点を当て、地表から約 6 ～ 8 キロメートル上空にある成層圏からのデータを除くと、人工知能 (A.I.) は、99,7% の分野で人間が監視するスーパーコンピューターを上回るパフォーマンスを発揮します。ケース。 分析された変数。 驚くべきことに、この成果は、テンソル プロセッシング ユニット (TPU) として知られるパーソナル コンピューターによく似たマシンを使用して達成されました。
Google DeepMind の研究者であるアルバロ サンチェス ゴンザレス氏によると、TPU は、通常の PC と比較して、同様のサイズを維持しながら、人工知能ソフトウェアのより効率的なトレーニングと実行を提供する特殊なハードウェアです。 コンピューターのグラフィックス カードが画像のレンダリングに重点を置くのと同様に、TPU はマトリックス製品で優れた性能を発揮するように設計されています。 GraphCast トレーニングでは、数週間にわたって 32 個の TPU を使用しました。 ただし、研修が終了すると、 単一の TPU で XNUMX 分以内に予測を生成できます、デバイスの作成者のXNUMX人であるサンチェス・ゴンサレス氏が説明したように。
GraphCast と予測システム
GraphCast と既存の予測システムの顕著な違いは、履歴データを組み込む機能です。 作成者は、1979 年に遡る ECMWF アーカイブの気象データを使用してシステムをトレーニングしました。この広範なデータセットは、 サンティアゴの降雨と40年にわたってアカプルコに影響を与えたサイクロン。 かなりの量のトレーニングを経て、GraphCast は正確な天気予報を生成する驚くべき能力を獲得しました。
24 時間後の天気を正確に予測するには、天気予報の 24 時間前と直前の気象状況を知るだけで済みます。 予測は相互に依存しており、新しい予測はそれぞれ以前の予測に影響を与えます。 この印象的な DeepMind マシンの共同作成者である Ferran Alet 氏は、その内部の仕組みについて次のように説明しています。「私たちのニューラル ネットワークは、気象状況を XNUMX 時間前に予測します。 XNUMX 時間後の天気を予測するには、モデルを XNUMX 回評価するだけです。 あるいは、XNUMX つは XNUMX 時間、もう XNUMX つは XNUMX 時間など、異なる期間で別個のモデルをトレーニングすることもできます。 しかし、 「私たちは、天気を支配する根本的な原則が XNUMX 時間以内に一貫していることを理解しています。」
「したがって、適切な 6 時間モデルを発見し、その独自の予測を入力として使用できれば、今後 12 時間の天気を正確に予測し、このプロセスを XNUMX 時間ごとに繰り返すことができます。」 Alet 氏によると、このアプローチにより XNUMX つのモデルに大量のデータが提供され、より効率的なトレーニングが可能になります。
これまでの天気予報は、大気力学のさまざまな複雑さを説明するために歴史を通じて開発された科学方程式を使用する数値天気予報に基づいていました。 研究者の発見により、スーパーコンピューターが実行できる一連の数学的アルゴリズムが確立されました。 今後数時間、数日、または数週間の予測を生成するには実行する必要があります (ただし、15 日を超えると信頼性は大幅に低下します)。 ただし、このタスクを実行するには非常に高度なスーパーコンピューターが必要であり、多大なコストと多大なエンジニアリング作業が必要になります。
Google AI モデルが天気を予測
特に注目すべき点は、これらのシステムが 前日や前年の気象条件さえも使用しません。、同じ場所で同じ時間に発生したにもかかわらず。
それどころか、ほぼ逆の、別の角度からタスクにアプローチします。 高度なディープラーニング機能を通じて、過去の気象データの広範なアーカイブを使用して、地球の気候の進行を決定する複雑な因果関係のダイナミクスを包括的に理解します。
スペイン気象庁 (AEMET) の広報担当者、ホセ・ルイス・カサド氏によると、大気モデルでは過去のデータが考慮されていません。 カサド氏は、このモデルが既存の観察とモデル自体によって行われた最新の予測に基づいていることを明らかにしました。 現在の大気の状態を正確に把握することで、将来の大気の進行を予測することが可能になります。 機械学習手法とは異なり、このアプローチでは履歴データや予測は使用されません。
この情報で、Google の天気を予測する AI とその特徴について詳しく知っていただければ幸いです。