Метеорологическая модель искусственного интеллекта от Google DeepMind под названием GraphCast значительно превзошла традиционные методы прогнозирования погоды по всему миру на 10 дней вперед. Свое предсказание система делает менее чем за одну минуту. Это говорит о том, что в будущем такие прогнозы могут стать куда эффективнее, чем сегодня.
Глобальное среднесрочное прогнозирование погоды имеет решающее значение для многих областей нашей жизни. Но точность их, как известно, пока оставляет желать лучшего. Международная группа специалистов из транснациональной компании Google DeepMind решила изменить эту ситуацию и создала машинную модель GraphCast, которая прогнозирует погоду в разных уголках мира с очень высокой точностью. Статья на эту тему опубликована в журнале Science.
В испытаниях модель показала превосходство над ведущей в мире традиционной системой, управляемой Европейским центром среднесрочных прогнозов погоды (ECMWF). GraphCast превзошел ее по 90 процентам 1380 показателей, включая температуру, давление, скорость и направление ветра, а также влажность на различных уровнях атмосферы.
GraphCast, по словам разработчиков, предсказывает сотни погодных переменных в течение 10 дней с разрешением 0,25 географического градуса по всему миру и менее чем за минуту. Исследователи также заверили, что их разработка примерно в тысячу раз дешевле с точки зрения энергопотребления по сравнению с традиционными методами прогнозирования. В качестве примера они привели предсказание урагана «Ли» в сентябре этого года в провинции Новая Шотландия в Канаде за девять дней, то есть на три дня раньше, чем предупреждали метеорологи.
Несмотря на многообещающие перспективы, GraphCast имеет и ограничения: прогноз модели иногда, напротив, уступает традиционным методам. А еще из-за технологических ограничений такие системы пока не способны создавать столь же детализированные и подробные прогнозы, как это делают при помощи традиционных методов. Не до конца ясны и механизмы прогнозирования — как именно машина это делает. Поэтому разработчики пока рассматривают свою модель лишь как дополнение к традиционным методам прогноза погоды.
