Алгоритмы искусственного интеллекта не учитывают ключевое ограничение в прогнозировании погоды: эффект бабочки

Прогнозирование погоды традиционно зависело от трудоемкого и энергоемкого метода использования суперкомпьютеров для вычисления сложных систем математических уравнений. Перспективной альтернативой является обучение искусственного интеллекта (ИИ) предсказывать, как будут развиваться текущие атмосферные условия.

Однако в новом исследовании, опубликованном в Geophysical Research Letters, Тобиас Зельц и Г. К. Крейг сообщают, что модели на основе ИИ не учитывают процесс, который устанавливает фундаментальный предел предсказуемости погоды: эффект бабочки.

Эффект бабочки описывает, как последствия крошечных возмущений могут очень быстро вырасти и оказать серьезное влияние на конечный результат системы. В науке о погоде эти быстрорастущие неопределенности чаще всего связаны с конвекцией и осадками. Но в системах ИИ эта начальная вариация растет гораздо медленнее, чем в реальности, что потенциально делает прогнозы погоды на основе ИИ ненадежными.

Это не означает, что ИИ бесполезен для прогнозирования погоды. В настоящее время эффект бабочки не является ограничивающим фактором, поскольку ошибки измерения атмосферы все еще достаточно велики, чтобы эффект бабочки был сравнительно незначительным. ИИ хорошо моделирует погоду в условиях средних широт при текущем уровне погрешности измерений, хотя авторы отмечают, что точность может варьироваться в исключительных метеорологических условиях. Ученые также могут улучшить алгоритмы ИИ, например, искусственно генерируя дополнительные обучающие данные, чтобы научить эти алгоритмы учитывать влияние эффекта бабочки.