Модели погоды и климата на основе искусственного интеллекта изменят будущее прогнозирования

Новая система прогнозирования погоды и климата, использующая искусственный интеллект (ИИ), достигает результатов, сопоставимых с лучшими существующими моделями, но требует значительно меньше вычислительных мощностей. Об этом сообщает международная команда исследователей из Google, MIT, Гарварда и Европейского центра среднесрочных прогнозов погоды в статье, опубликованной в журнале Nature.

Гибридная модель NeuralGCM сочетает традиционный подход, основанный на физических уравнениях общей циркуляции атмосферы, с машинным обучением для моделирования сложных процессов, таких как образование облаков. Это обеспечивает физическую согласованность прогнозов. В стандартизированных тестах WeatherBench 2 модель показала точность, сравнимую с ведущими ИИ-моделями (Pangu, GraphCast) на 3–5 дней, и с лучшими традиционными моделями на 10–15 дней. Она также успешно справляется с прогнозированием редких явлений, включая тропические циклоны.

Ключевое преимущество ИИ-моделей — скорость и низкая стоимость работы после дорогостоящего обучения на огромных массивах исторических данных. NeuralGCM потенциально лучше других моделей машинного обучения справляется с экстремальными и беспрецедентными условиями благодаря физическому ядру, что критически важно в условиях меняющегося климата. Хотя подобные модели пока не используются в оперативном прогнозировании, это активно развивающаяся область, и будущее прогнозов так или иначе будет связано с машинным обучением.