GenCast od Google DeepMind przewiduje pogodę dokładniej niż wiodący system

System GenCast oparty na algorytmach sztucznej inteligencji (SI) okazał się dokładniej przewidywać pogodę niż najlepszy obecnie używany system – model ENS z Europejskiego Centrum Średnioterminowych Prognoz Pogody – w przewidywaniu codziennej pogody oraz ekstremalnych zjawisk, takich jak huragany i fale upałów. Był też lepszy w przewidywaniu tras niszczycielskich huraganów. W niedalekiej przyszłości GenCast może zacząć wspierać tradycyjne prognozy, dostarczając szybsze i dokładniejsze przewidywania. System GenCast został opisany w czasopiśmie "Nature".

Pogoda wpływa na nas wszystkich. Kształtuje nasze decyzje i nasz styl życia. W erze zmian klimatycznych, z coraz częściej występującymi ekstremalnymi zjawiskami pogodowymi, od dokładnych i wiarygodnych prognoz może zależeć nasze bezpieczeństwo. Ale pogodę ciężko przewidzieć, zwłaszcza na kilka dni do przodu.

Tradycyjnie prognozy pogody opierają się na numerycznych modelach, czyli matematycznym opisie pogody, który symuluje prawa fizyki rządzące atmosferą Ziemi. W generowaniu takich prognoz wykorzystywane są tzw. prognozy probabilistyczne. Model przewiduje szereg prawdopodobnych scenariuszy pogodowych zamiast jednego. Wszystko dlatego, że nawet nieznaczne różnice w danych wejściowych z czasem mogą urosnąć i dać zupełne inne wyniki.

Dalsza część artykułu pod materiałem wideo

Takie prognozy zapewniają pełniejszy obraz możliwych warunków pogodowych w nadchodzących dniach i tygodniach. Do generowania takich prognoz wykorzystywane są superkomputery do przetwarzania danych z satelitów i stacji pogodowych, a proces zajmuje wiele godzin i wymaga ogromnej mocy obliczeniowej.

Wspomniany wcześnie model ENS to system prognoz probabilistycznych, którego zadaniem jest wskazanie zakresu możliwych warunków pogodowych na okres do 15 dni do przodu. Uwzględnia on prawdopodobieństwo wystąpienia poszczególnych zdarzeń, takich jak silny wiatr czy ulewne opady deszczu. Model ten uznawany jest za jeden z lepszych.

Niedawne postępy w przewidywaniu pogody w oparciu o uczenie maszynowe pozwoliły stworzyć nowe modele charakteryzujące się mniejszymi błędami. Taki właśnie jest GenCast. Zapewnia on lepsze prognozy pogody na każdy dzień i bardziej wiarygodnie przewiduje wystąpienie ekstremalnych zdarzeń niż system ENS, twierdzą jego twórcy w komunikacie prasowym.

GenCast został wyszkolony wyłącznie na historycznych danych pogodowych, co pozwala mu wyciągać złożone zależności między zmiennymi, takimi jak ciśnienie powietrza, wilgotność, temperatura czy wiatr. Ilan Price z Google DeepMind w Londynie, jeden z autorów publikacji przyznał, że dzięki temu GenCast jest lepszy od systemów opartych wyłącznie na fizyce. GenCast przewiduje, jak warunki zmienią się na całej planecie w kwadratach o wymiarach 28 na 28 kilometrów przez następne 15 dni w 12-godzinnych cyklach. – Naprawdę poczyniliśmy ogromne postępy i udało nam się wyprzedzić modele oparte na fizyce dzięki uczeniu maszynowemu – mówi Price.

Prognozowanie pogody przy pomocy SI gwałtownie się rozwija i wiele firm ściga się, aby opracować nowe i lepsze modele. Część z tych modeli to tzw. prognozy deterministyczne, czyli oferujące tylko jedną prognozę. Nie szacują prawdopodobieństwa, czy prognoza będzie poprawna. GenCast generuje całe zestawy prognozy, z których każda jest generowana na podstawie nieco innych warunków początkowych. Łącząc je naukowcy mogą wygenerować ostateczną prognozę i oszacować prawdopodobieństwo jej wystąpienia.

"Przedstawiamy GenCast, probabilistyczny model pogody charakteryzujący się większą umiejętnością i szybkością niż najlepsza operacyjna prognoza. GenCast to metoda przewidywania pogody oparta o uczenie maszynowe i wytrenowana na podstawie kilkudziesięciu lat danych. GenCast generuje zestaw stochastycznych 15-dniowych prognoz globalnych dla ponad 80 zmiennych powierzchniowych i atmosferycznych, w czasie 8 min" – chwalą się autorzy w publikacji.

Price i jego współpracownicy wyszkolili GenCast na globalnych danych pogodowych z lat 1979–2018, a następnie za jego pomocą przewidzieli pogodę na 2019 rok. Następnie porównali prognozy GenCast z rzeczywistymi danymi pogodowymi i prognozami ENS na ten rok. Model opracowany przez DeepMind okazał się dokładniejszy niż ENS o 97 proc. Był również lepszy w prognozowaniu ekstremalnych zjawisk pogodowych, takich jak fale upałów, mrozów czy siły wiatru, a także tras cyklonów tropikalnych.

Naukowcy z DeepMind udostepnili kod GenCast oraz parametry modelu do użytku niekomercyjnego. Price mówi, że pomoże to "demokratyzować" badania i zwiększyć publiczny dostęp do modelowania pogody. Dokładniejsze prognozy dostępne wcześniej mogą pomóc ludziom podejmować świadome decyzje, zwłaszcza tym, którzy mieszkają na trasie huraganu, dodaje badacz. Lepsze prognozy mogą również odegrać kluczową rolę w innych obszarach. Lepszy model prognostyczny może pomóc oszacować ilość energii wyprodukowanej przez farmy wiatrowe.

"Bardzo cenimy sobie nasze partnerstwa z agencjami pogodowymi i będziemy nadal z nimi współpracować, aby rozwijać oparte na sztucznej inteligencji metody, które ulepszą ich prognozowanie. Tymczasem tradycyjne modele pozostają niezbędne do tej pracy – dostarczają danych szkoleniowych i początkowych warunków pogodowych wymaganych przez modele takie jak GenCast" – przyznali twórcy modelu w komunikacie na stronach internetowych Google DeepMind.

Źródło: Nature, The Guardian, Google DeepMind