Google DeepMind и Google Research анонсировали Weather Lab — интерактивный веб-ресурс, предоставляющий доступ к экспериментальным моделям погоды на основе искусственного интеллекта. Основное внимание проекта уделено новой модели, прогнозирующей тропические циклоны с помощью стохастических нейронных сетей. Эта модель может предсказывать зарождение, путь, силу, а также размеры и формы циклонов, создавая до 50 возможных сценариев на срок до 15 дней.
Разработчики опубликовали научную работу, раскрывающую методы действия модели, и разместили в Weather Lab архив данных о прошлых траекториях циклонов для независимой оценки и повторной проверки. Испытания модели показали, что её точность в прогнозировании пути и интенсивности циклонов сравнима, а порой и превосходит текущие физические модели.
В партнёрстве с Национальным центром ураганов США (NHC), специалисты NHC получают доступ к данным AI-модели в режиме реального времени наряду с другими моделями и наблюдениями. Это предоставляет экспертам NHC возможность оценивать потенциал AI-модели для улучшения прогнозов и своевременного реагирования на угрозы циклонов. Weather Lab иллюстрирует как актуальные, так и исторические прогнозы различных моделей, включая физические модели Европейского центра среднесрочных прогнозов погоды (ECMWF).
Физические модели прогнозирования циклонов имеют ограничения: сложно достичь высокой точности одновременно в прогнозировании пути и интенсивности. Экспериментальная модель Google DeepMind преодолевает эту преграду, демонстрируя выдающиеся результаты в точности обоих показателей.
Обучение модели базировалось на обширных данных о мировой погоде за прошедшие годы, включающих информацию о пути, интенсивности, размере и радиусах ветра около 5000 циклонов за 45 лет. Испытания с данными NHC за 2023 и 2024 годы в Северной Атлантике и Восточном Тихом океане показали, что пятидневный прогноз новой модели на 140 км точнее по траектории, чем у ведущей глобальной физической модели ECMWF ENS. Кроме того, модель оказывает более высокую точность в прогнозировании силы, чем региональная физическая модель HAFS от NOAA.
Результаты сотрудничества указывают на значительный потенциал использования AI-инструментария для повышения точности прогнозов тропических циклонов и улучшения готовности к природным катастрофам.
Источник: iXBT
