Dzisiejsze prognozy pogody opierają się na złożonych modelach uwzględniających prawa rządzące dynamiką atmosfery i oceanów, a modele te działają na jednych z najpotężniejszych istniejących superkomputerów. Jednak Alphabet (spółka-matka Google) zdołała przewidzieć globalne warunki pogodowe na następne 10 dni w ciągu zaledwie jednej minuty przy użyciu pojedynczej maszyny wielkości komputera osobistego, dzięki sztucznej inteligencji opracowanej przez DeepMind. The Google AI przewiduje pogodę a to dopiero się zaczęło.
W tym artykule opowiemy Ci, jak Google AI przewiduje pogodę i jak ewoluowała ta technologia.
Google AI przewiduje pogodę
Co zaskakujące, ten system sztucznej inteligencji przewyższa większość nowoczesnych systemów prognozowania pogody pod niemal każdym względem. Co ciekawe, wygląda na to, że tym razem sztuczna inteligencja ma raczej uzupełniać ludzką inteligencję, niż ją zastępować.
Europejskie Centrum Prognoz Średnioterminowych (ECMWF) dysponuje niezwykle zaawansowanym systemem, który w zeszłym roku przeszedł poważną modernizację, poprawiając jego możliwości predykcyjne. Gościł w swoich obiektach w Bolonii we Włoszech, Istnieje superkomputer wyposażony w około milion procesorów (w przeciwieństwie do dwóch lub czterech dostępnych w komputerze osobistym) i niezwykłą moc obliczeniową wynoszącą 30 petaflopów, co odpowiada zdumiewającej liczbie 30.000 XNUMX bilionów obliczeń na sekundę.
Ta ogromna moc obliczeniowa jest niezbędna w przypadku jednego z narzędzi firmy, prognozowania wysokiej rozdzielczości (HRES), które dokładnie przewiduje średnioterminowe globalne wzorce pogodowe, co Zwykle obejmują 10 dni i imponującą rozdzielczość przestrzenną wynoszącą dziewięć kilometrów. Prognozy te stanowią podstawę prognoz pogody dostarczanych przez meteorologów na całym świecie. Niedawno do pomiaru możliwości tego potężnego systemu przewidywania pogody wykorzystano GraphCast, sztuczną inteligencję opracowaną przez Google DeepMind.
Wyniki badań nad sztuczną inteligencją
Wyniki porównania opublikowane we wtorek w czasopiśmie Science pokazują, że GraphCast przewyższa HRES w przewidywaniu wielu czynników pogodowych. Według badania, Maszyna Google przewyższa maszynę ECMWF w 90,3% z 1.380 zbadanych wskaźników.
Koncentrując się wyłącznie na troposferze, warstwie atmosfery, w której zachodzi większość zdarzeń pogodowych, i wyłączając dane ze stratosfery, która znajduje się około 6 do 8 kilometrów nad powierzchnią Ziemi, sztuczna inteligencja (AI)) przewyższa superkomputery nadzorowane przez człowieka w 99,7% sprawy. analizowane zmienne. Co zaskakujące, osiągnięcie to zostało osiągnięte przy użyciu maszyny bardzo przypominającej komputer osobisty, znanej jako jednostka przetwarzająca tensor lub TPU.
Według Álvaro Sáncheza Gonzáleza, badacza w Google DeepMind, TPU to wyspecjalizowany sprzęt, który zapewnia wydajniejsze szkolenie i wykonywanie oprogramowania sztucznej inteligencji w porównaniu do zwykłego komputera PC, przy zachowaniu podobnych rozmiarów. Tak jak karta graficzna komputera koncentruje się na renderowaniu obrazów, tak TPU są zaprojektowane tak, aby wyróżniać się w produktach matrycowych. Do szkolenia GraphCast używaliśmy 32 TPU w ciągu kilku tygodni. Jednakże po ukończeniu szkolenia pojedynczy TPU może generować prognozy w mniej niż minutę, jak wyjaśnił Sánchez González, jeden z twórców urządzenia.
GraphCast i systemy predykcyjne
Godną uwagi różnicą między GraphCast a istniejącymi systemami predykcyjnymi jest jego zdolność do uwzględniania danych historycznych. Twórcy wyszkolili system, korzystając z danych meteorologicznych z archiwum ECMWF sięgającego 1979 roku. Ten obszerny zbiór danych obejmuje opady deszczu w Santiago i cyklony, które nawiedzały Acapulco przez okres 40 lat. Po znacznym szkoleniu GraphCast uzyskał niezwykłą zdolność do generowania dokładnych prognoz pogody.
Aby dokładnie przewidzieć pogodę na kolejne sześć godzin, wystarczy znać warunki pogodowe na sześć godzin przed i bezpośrednio przed prognozą. Prognozy są współzależne i każda nowa prognoza wpływa na poprzednią. Ferran Alet, współtwórca tej imponującej maszyny DeepMind, wyjaśnia jej wewnętrzne działanie: „Nasza sieć neuronowa przewiduje warunki pogodowe z sześciogodzinnym wyprzedzeniem. Aby prognozować pogodę w ciągu 24 godzin, po prostu oceniamy model czterokrotnie. Alternatywnie moglibyśmy wyszkolić oddzielne modele dla różnych okresów, na przykład jeden na sześć godzin i jeden na 24 godziny. Jednakże, „Rozumiemy, że podstawowe zasady rządzące klimatem pozostają niezmienne w ciągu sześciu godzin”.
„Dlatego jeśli odkryjemy odpowiedni model 6-godzinny i wykorzystamy jego własne przewidywania jako dane wejściowe, będziemy mogli dokładnie prognozować pogodę na następne 12 godzin i powtarzać ten proces co sześć godzin”. Według Aleta takie podejście zapewnia znaczną ilość danych dla pojedynczego modelu, co skutkuje bardziej efektywnym uczeniem.
Do tej pory prognozy pogody opierały się na numerycznych przewidywaniach pogody, które wykorzystywały równania naukowe opracowane na przestrzeni dziejów w celu uwzględnienia różnych złożoności dynamiki atmosfery. Odkrycia badaczy pozwoliły ustalić zestaw algorytmów matematycznych działających na superkomputerach musi zostać uruchomiony, aby wygenerować prognozy na kilka następnych godzin, dni lub tygodni (chociaż niezawodność znacznie spada po upływie 15 dni). Wykonanie tego zadania wymaga jednak bardzo zaawansowanego superkomputera, co wiąże się ze znacznymi kosztami i dużymi pracami inżynieryjnymi.
Model Google AI przewiduje pogodę
Szczególnie godne uwagi jest to, że te systemy nie wykorzystują warunków pogodowych poprzedniego dnia ani nawet poprzedniego rokupomimo wystąpienia w tym samym miejscu i czasie.
Wręcz przeciwnie, podchodzi do zadania z innej strony, wręcz odwrotnie. Dzięki zaawansowanym możliwościom głębokiego uczenia się wykorzystuje obszerne archiwa danych pogodowych z przeszłości, aby uzyskać wszechstronne zrozumienie skomplikowanej dynamiki przyczynowo-skutkowej, która dyktuje rozwój klimatu Ziemi.
Według José Luisa Casado, rzecznika Hiszpańskiej Agencji Meteorologicznej (AEMET), w modelu atmosfery nie uwzględnia się danych historycznych. Casado wyjaśnia, że model ten opiera się na istniejących obserwacjach i najnowszych przewidywaniach samego modelu. Dokładne zrozumienie obecnego stanu atmosfery pozwala przewidzieć jego dalszy rozwój. W przeciwieństwie do technik uczenia maszynowego, podejście to nie wykorzystuje danych historycznych ani prognoz.
Mam nadzieję, że dzięki tym informacjom dowiesz się więcej o sztucznej inteligencji Google, która przewiduje pogodę i jej charakterystykę.