Хотите более умное понимание в вашем почтовом ящике? Подпишитесь на наши еженедельные информационные бюллетени, чтобы получить только то, что имеет значение для искусственного интеллекта предприятия, данных и лидеров безопасности. Подписаться сейчас
В четверг Google DeepMind объявил, что, по его утверждению, является основным прорывом в прогнозировании ураганов, внедряя систему искусственного интеллекта, которая может предсказать как путь, так и интенсивность тропических циклонов с беспрецедентной точностью — давняя проблема, которая ускользнула от традиционных моделей погоды на протяжении десятилетий.
Компания запустила Weather Lab, интерактивную платформу, демонстрирующую свою экспериментальную модель прогнозирования циклонов, которая генерирует 50 возможных сценариев шторма до 15 дней. Что еще более важно, DeepMind объявил о партнерстве с Национальным центром ураганов США, отметив первый раз, когда федеральное агентство будет включать экспериментальные прогнозы искусственного интеллекта в свой операционный рабочий процесс.
«Мы представляем три разных вещах», — сказал Ферран Алет, научный сотрудник Deepmind, возглавляющий проект, во время брифинга прессы в среду. «Первая — это новая экспериментальная модель, адаптированная специально для циклонов. Второй, мы рады объявить о партнерстве с Национальным центром ураганов, который позволяет опытным человеческим прогнозам видеть наши прогнозы в режиме реального времени».
Объявление знаменует собой критический момент в применении искусственного интеллекта к прогнозированию погоды, область, где модели машинного обучения быстро приобретают основу для традиционных физических систем. Тропические циклоны, которые включают ураганы, тайфуны и циклоны, за последние 50 лет привели к экономическим потерям 1,4 триллиона долларов, что сделало точное предсказание вопросом жизни и смерти для миллионов в уязвимых прибрежных регионах.
Почему традиционные погодные модели борются как с штормовым путем, так и с интенсивностью
Прорыв рассматривает фундаментальное ограничение в текущих методах прогнозирования. Традиционные погодные модели сталкиваются с резким компромиссом: глобальные, модели с низким разрешением преуспевают в прогнозировании того, куда пойдут штормы, захватывая обширные атмосферные модели, в то время как региональные модели с высоким разрешением лучше прогнозируют интенсивность шторма, сосредоточив внимание на турбулентных процессах в ядре шторма.
«Сделать прогнозы тропических циклонов сложно, потому что мы пытаемся предсказать две разные вещи», — объяснил Алек. «Первый — это прогноз трека, так куда пойдет циклон? Второй — прогноз интенсивности, насколько силен циклон?»
Экспериментальная модель DeepMind утверждает, что решить обе проблемы одновременно. Во внутренних оценках после национальных протоколов Центра ураганов система ИИ продемонстрировала существенные улучшения по сравнению с существующими методами. Для прогноза трека пятидневные прогнозы модели были в среднем на 140 километров ближе к фактическим позициям шторма, чем ENS, ведущая модель европейской физики.
Более примечательно, что система превзошла систему анализа ураганов и прогноз NOAA (HAFS) по прогнозированию интенсивности — область, где модели ИИ исторически боролись. «Это первая модель искусственного интеллекта, которую мы теперь очень умеют, а также очень искусна по интенсивности тропических циклонов», — отметил Алет.
Как прогнозы искусственного интеллекта побеждают традиционные модели на скорости и эффективности
Помимо улучшений точности, система ИИ демонстрирует значительный рост эффективности. В то время как традиционные физические модели могут занять часы, чтобы генерировать прогнозы, модель DeepMind дает 15-дневные прогнозы примерно за одну минуту на одном специализированном компьютерном чипе.
«Наша вероятностная модель сейчас даже быстрее, чем предыдущая», — сказал Алет. «Наша новая модель, как мы считаем, вероятно, около одной минуты» по сравнению с восьми минут, необходимыми предыдущей погодой DeepMind.
Это преимущество в скорости позволяет системе соблюдать жесткие сроки работы. Том Андерсон, инженер -исследователь в команде DeepMind AI, пояснил, что Национальный центр ураганов специально запросится, что прогнозы будут доступны в течение шести с половиной часов сбора данных — цель, которую система ИИ теперь достигает предварительного графика.
Партнерство по национальному урагану Центр ставит в тест прогнозирование погоды ИИ
Партнерство с Национальным центром ураганов в основном подтверждает прогнозирование погоды ИИ. Кит Батталья, старший директор, ведущий погодную команду DeepMind, описал сотрудничество как развитие от неформальных разговоров к более официальному партнерству, позволяющим прогнозам интегрировать прогнозы искусственного интеллекта с традиционными методами.
«Тогда это было не официальное партнерство, это был просто более случайный разговор», — сказала Батталья о ранних дискуссиях, которые начались около 18 месяцев назад. «Теперь мы как бы работаем над тем более официальным партнерством, которое позволяет нам передать им модели, которые мы строим, и тогда они могут решить, как использовать их в своем официальном руководстве».
Время оказалось решающим, с 2025 -м сезоном ураганов Атлантического урагана. Синоптики центров ураганов увидят живые прогнозы ИИ наряду с традиционными физическими моделями и наблюдениями, что потенциально повышает точность прогноза и обеспечивая более ранние предупреждения.
Доктор Кейт Масгрейв, научный сотрудник Кооперативного института исследований в атмосфере в Университете штата Колорадо, независимо от того, что DeepMind модели. Она обнаружила, что это демонстрирует «сопоставимые или большие навыки, чем лучшие операционные модели для трека и интенсивности», по словам компании. Масгрейв заявила, что она «с нетерпением ждет возможности подтвердить эти результаты прогнозов в режиме реального времени во время сезона ураганов 2025 года».
Данные обучения и технические инновации, стоящие за прорывом
Эффективность модели ИИ связана с его обучением на двух отдельных наборах данных: обширные данные повторного анализа, реконструирующие глобальные погодные условия от миллионов наблюдений, и специализированную базу данных, содержащую подробную информацию о почти 5000 наблюдаемых циклонов за последние 45 лет.
Этот двойной подход является отходом от предыдущих моделей погоды ИИ, которые были сосредоточены в основном на общих атмосферных условиях. «Мы тренируемся по конкретным циклонам данных», — пояснил Алет. «Мы тренируемся на IBTRACS и других типах данных. Таким образом, IBTRACS обеспечивает широту и долготу, интенсивность и радиусы ветра для нескольких циклонов, до 5000 циклонов за последние 30-40 лет».
Система также включает в себя последние достижения в вероятностном моделировании через то, что DeepMind вызывает функциональные генеративные сети (FGN), подробно описанные в исследовательской статье, выпущенной вместе с объявлением. Этот подход генерирует прогнозируемые ансамбли, обучаясь нарушать параметры модели, создавая более структурированные вариации, чем предыдущие методы.
Прошлые прогнозы урагана показывают обещание для систем раннего предупреждения
Weather Lab запускает более двух лет исторических прогнозов, что позволяет экспертам оценивать производительность модели во всех бассейнах океана. Андерсон продемонстрировал возможности системы с использованием урагана Берил с 2024 года и печально известного урагана Otis с 2023 года.
Ураган Отис оказался особенно значимым, потому что он быстро усилился, прежде чем ударить Мексику, заставая многих традиционных моделей врасплох. «Многие из моделей предсказывали, что шторм останется относительно слабым на протяжении всей жизни», — пояснил Андерсон. Когда DeepMind показал этот пример национальным синопторам центра ураганов, «они сказали, что наша модель, вероятно, предоставила бы более ранний сигнал о потенциальном риске этого конкретного циклона, если бы они имели его в то время».
Что это значит для будущего прогнозирования погоды и адаптации климата
Развитие сигнализирует о растущем созревании искусственного интеллекта в прогнозировании погоды, после недавних прорывов с помощью графической камеры DeepMind и других моделей погоды искусственного интеллекта, которые начали превосходить традиционные системы в различных показателях.
«Я думаю, что для довольно рано, вы знаете, в первые несколько лет мы в основном сосредотачивались на научных статьях и исследованиях исследований», — подумала Батталья. «Но, вы знаете, как мы смогли показать, что эти системы машинного обучения конкурируют или даже превосходят, вид традиционных систем на основе физики, имеющие возможность вывести их из своего рода научного контекста в реальном мире, действительно захватывающе».
Партнерство с правительственными учреждениями является важным шагом к эксплуатационному развертыванию метеорологических систем ИИ. Тем не менее, DeepMind подчеркивает, что Weather Lab остается инструментом исследования, и пользователи должны продолжать полагаться на официальные метеорологические агентства для авторитетных прогнозов и предупреждений.
Компания планирует продолжать собирать обратную связь от погодных учреждений и аварийных служб для улучшения практических применений технологий. Поскольку изменение климата потенциально усиливает поведение тропического циклона, достижения в области точности прогнозирования могут оказаться все более жизненно важными для защиты уязвимых прибрежных популяций по всему миру.
«Мы думаем, что ИИ может предоставить здесь решение», — заключил Алет, ссылаясь на сложные взаимодействия, которые делают прогноз циклона таким сложным. С началом сезона ураганов 2025 года, реальное представление экспериментальной системы DeepMind вскоре столкнется с его окончательным тестом.
Источник
