Исследователи представили революционную систему прогнозирования погоды на базе искусственного интеллекта под названием Aardvark Weather, способную генерировать прогнозы в десятки раз быстрее традиционных методов при использовании лишь малой доли вычислительных мощностей.
Системы прогнозирования погоды, на которые мы все полагаемся, разрабатывались десятилетиями, но всего за 18 месяцев нам удалось создать решение, конкурирующее с лучшими из этих систем, используя лишь десятую часть данных на обычном настольном компьютере.
— Ричард Тернер, инженер из Кембриджского университета в Великобритании
Современные метеопрогнозы формируются путем ввода данных в сложные физические модели — многоэтапный процесс, требующий нескольких часов работы специализированного суперкомпьютера. Aardvark Weather обходит эту ресурсоемкую процедуру — модель машинного обучения использует необработанные данные со спутников, метеостанций, кораблей и метеозондов для составления прогнозов без опоры на атмосферные модели. Особенно важными для прогнозов системы, как отмечают исследователи, являются спутниковые данные.
Новый подход может предложить значительные преимущества в плане стоимости, скорости и точности прогнозов погоды. Вместо суперкомпьютера и специализированной команды Aardvark Weather формирует прогноз на настольном компьютере всего за несколько минут.
Команда сравнила производительность Aardvark с существующими системами прогнозирования, генерирующими глобальные предсказания. Используя лишь 8% наблюдательных данных, необходимых традиционным системам, Aardvark превзошел национальную Глобальную систему прогнозирования США (GFS) и показал результаты, сопоставимые с прогнозами Метеорологической службы США.
Однако пространственное разрешение Aardvark пока ниже, чем у современных систем прогнозирования, что может сделать начальные прогнозы менее актуальными для сверхлокальных метеопрогнозов. Aardvark Weather работает с разрешением 1,5 градуса, что означает, что каждая ячейка в сетке охватывает 1,5 градуса широты и 1,5 градуса долготы. Для сравнения, GFS использует сетку с разрешением 0,25 градуса.
При этом исследователи отмечают, что так как ИИ учится на поступающих данных, его можно настроить для прогнозирования погоды в конкретных областях — например, температур для сельского хозяйства в Африке или скорости ветра для возобновляемой энергетики в Европе. Aardvark может включать региональные данные более высокого разрешения, где они существуют, для уточнения локальных прогнозов.
Эти результаты — лишь начало того, чего может достичь Aardvark. Этот комплексный подход к обучению легко применим к другим задачам прогнозирования погоды, например, ураганам, лесным пожарам и торнадо. За пределами погоды его применение распространяется на более широкое прогнозирование системы Земли, включая качество воздуха, динамику океана и прогнозирование морского льда.
— соавтор исследования Анна Аллен из Кембриджского университета
Aardvark также может поддерживать центры прогнозирования в регионах мира, не имеющих ресурсов для преобразования глобальных прогнозов в региональные прогнозы высокого разрешения.