오늘날의 일기 예보는 대기와 해양의 역학을 지배하는 법칙을 통합하는 복잡한 모델을 기반으로 하며 이러한 모델은 현존하는 가장 강력한 슈퍼컴퓨터 중 일부에서 실행됩니다. 하지만 구글의 모회사인 알파벳은 딥마인드(DeepMind)가 개발한 인공지능 덕분에 개인용 컴퓨터 크기의 단일 기계를 이용해 앞으로 10일 동안의 세계 기상 상황을 단 XNUMX분 만에 예측하는 데 성공했다. 그만큼 구글 AI가 날씨를 예측한다 그리고 이것은 이제 막 시작되었습니다.
이번 글에서는 Google AI가 날씨를 어떻게 예측하는지, 그리고 이 기술이 어떻게 발전했는지 알려드리겠습니다.
구글 AI가 날씨를 예측한다
놀랍게도 이 AI 시스템은 거의 모든 측면에서 대부분의 최신 날씨 예측 시스템보다 성능이 뛰어납니다. 흥미롭게도 이번에는 인공지능이 인간 지능을 대체하기보다는 보완하는 역할을 하는 것으로 보인다.
ECMWF(유럽 중거리 기상예보 센터)는 작년에 대대적인 업그레이드를 거쳐 예측 능력을 향상시킨 믿을 수 없을 정도로 발전된 시스템을 보유하고 있습니다. 이탈리아 볼로냐에 있는 시설에서 개최되며, 약 XNUMX만개의 프로세서를 탑재한 슈퍼컴퓨터가 있다. (개인용 컴퓨터의 30~30.000개와는 대조적) XNUMX페타플롭스의 놀라운 컴퓨팅 성능은 초당 XNUMX조 번의 계산에 해당합니다.
이러한 엄청난 계산 용량은 중기 글로벌 기상 패턴을 정확하게 예측하는 도구 중 하나인 고해상도 예측(HRES)에 필요합니다. 일반적으로 10일 동안 진행되며 XNUMXkm의 인상적인 공간 해상도를 갖습니다.. 이러한 예측은 전 세계 기상학자가 제공하는 일기예보의 기초가 됩니다. 최근 구글 딥마인드(Google DeepMind)가 개발한 인공지능인 그래프캐스트(GraphCast)는 날씨 예측에서 이 강력한 시스템의 능력을 측정하는 데 사용되었습니다.
AI 연구 결과
화요일 사이언스(Science) 저널에 발표된 비교 결과에 따르면 GraphCast는 수많은 기상 요인을 예측하는 데 있어 HRES보다 성능이 뛰어납니다. 연구에 따르면, Google 시스템은 조사된 90,3개 측정항목 중 1.380%에서 ECMWF보다 성능이 뛰어납니다.
대부분의 기상 현상이 발생하는 대기층인 대류권에만 초점을 맞추고 지구 표면에서 약 6~8km 떨어진 성층권의 데이터를 제외하면 인공지능(A.I.)이 인간이 감독하는 슈퍼컴퓨터보다 99,7%의 성능을 발휘한다. 사례. 변수를 분석했습니다. 놀랍게도 이 성과는 텐서 처리 장치(TPU)로 알려진 개인용 컴퓨터와 매우 유사한 기계를 사용하여 달성되었습니다.
Google DeepMind의 연구원인 Álvaro Sánchez González에 따르면 TPU는 비슷한 크기를 유지하면서 일반 PC에 비해 인공지능 소프트웨어의 더 효율적인 훈련과 실행을 제공하는 특수 하드웨어입니다. 컴퓨터의 그래픽 카드가 이미지 렌더링에 중점을 두는 것처럼 TPU는 매트릭스 제품에서 탁월한 성능을 발휘하도록 설계되었습니다. GraphCast 교육을 위해 우리는 몇 주 동안 32개의 TPU를 사용했습니다. 그러나 훈련이 완료되면, 단일 TPU는 XNUMX분 이내에 예측을 생성할 수 있습니다., 장치 제작자 중 한 명인 Sánchez González가 설명했습니다.
GraphCast 및 예측 시스템
GraphCast와 기존 예측 시스템의 눈에 띄는 차이점은 과거 데이터를 통합하는 능력입니다. 제작자는 1979년까지 거슬러 올라가는 ECMWF 아카이브의 기상 데이터를 사용하여 시스템을 훈련했습니다. 이 광범위한 데이터 세트는 산티아고의 강우량과 40년 동안 아카풀코에 영향을 미친 사이클론. 상당한 양의 훈련을 거친 후 GraphCast는 정확한 날씨 예측을 생성하는 놀라운 능력을 갖게 되었습니다.
앞으로 24시간 후의 날씨를 정확하게 예측하려면 일기 예보 24시간 전과 직전의 기상 조건에 대한 지식만 있으면 됩니다. 예측은 상호 의존적이며 각각의 새로운 예측은 이전 예측에 정보를 제공합니다. 이 인상적인 DeepMind 기계의 공동 제작자인 Ferran Alet는 내부 작동 방식을 다음과 같이 설명합니다. “우리의 신경망은 기상 조건을 XNUMX시간 전에 예측합니다. XNUMX시간의 날씨를 예측하려면 모델을 XNUMX번 평가하면 됩니다. 또는 XNUMX시간용 모델과 XNUMX시간용 모델 등 서로 다른 기간에 대해 별도의 모델을 훈련할 수도 있습니다. 하지만, "우리는 날씨를 지배하는 기본 원칙이 XNUMX시간 동안 일관되게 유지된다는 것을 이해합니다."
"따라서 적절한 6시간 모델을 발견하고 자체 예측을 입력으로 사용할 수 있다면 다음 12시간 동안의 날씨를 정확하게 예측하고 이 프로세스를 XNUMX시간마다 반복할 수 있습니다." Alet에 따르면 이 접근 방식은 단일 모델에 대해 상당한 양의 데이터를 제공하므로 보다 효율적인 교육이 가능합니다.
지금까지 일기 예보는 대기 역학의 다양한 복잡성을 설명하기 위해 역사 전반에 걸쳐 개발된 과학적 방정식을 사용하는 수치 일기 예측을 기반으로 했습니다. 연구진의 연구 결과는 슈퍼컴퓨터가 수행할 수 있는 일련의 수학적 알고리즘을 확립했습니다. 다음 몇 시간, 며칠 또는 몇 주 동안 예측을 생성하려면 실행해야 합니다. (단, 15일 이후에는 신뢰성이 크게 감소합니다.) 그러나 이 작업을 수행하려면 상당한 비용과 광범위한 엔지니어링 노력이 필요한 매우 진보된 슈퍼컴퓨터가 필요합니다.
Google AI 모델이 날씨를 예측합니다.
특히 주목할만한 점은 이러한 시스템이 전날이나 전년도의 기상 조건을 사용하지 않습니다., 같은 장소, 같은 시간에 발생했음에도 불구하고.
반대로, 그것은 거의 반대되는 다른 각도에서 작업에 접근합니다. 고급 딥 러닝 기능을 통해 과거 날씨 데이터의 광범위한 아카이브를 사용하여 지구 기후의 진행을 결정하는 복잡한 원인과 결과 역학에 대한 포괄적인 이해를 얻습니다.
스페인 기상청(AEMET) 대변인 José Luis Casado에 따르면 대기 모델에서는 과거 데이터가 고려되지 않습니다. Casado는 이 모델이 기존 관찰과 모델 자체에서 수행한 가장 최근 예측을 기반으로 한다는 점을 분명히 했습니다. 대기의 현재 상태를 정확하게 이해함으로써 향후 대기의 진행 상황을 예측할 수 있습니다. 기계 학습 기술과 달리 이 접근 방식은 과거 데이터나 예측을 사용하지 않습니다.
이 정보를 통해 날씨와 날씨의 특성을 예측하는 구글의 AI에 대해 더 많이 알아가실 수 있기를 바랍니다.