Інженери google deepmind навчилися прогнозувати погоду з високою точністю

17

Коли мова заходить про прогноз погоди, метеорологи намагаються передбачити не тільки погоду на завтра. Крім довгострокових прогнозів, в завдання метеорологічних моделей часто входить передбачення метеорологічних умов на найближчу годину або трохи більше, так званий “поточний прогноз”. У лабораторії штучного інтелекту deepmind, що підтримується компанією google, дослідники досягли значного прогресу в точності прогнозування опадів.

Тільки коли ви зупинитеся і задумаєтеся про це, ви зрозумієте, наскільки важливі короткострокові прогнози погоди – звичайно, ви можете просто взяти з собою парасольку, але при плануванні великих заходів, обслуговуванні транспорту, ліквідації наслідків стихійних лих, забезпеченні роботи сільськогосподарських фермерських господарств і багато іншого хвилинні прогнози мають найважливіше значення.

Зокрема, нова технологія отримала перше місце по точності та ефективності в 89 відсотках випадків при порівнянні з двома альтернативними моделями. В її основі лежить різновид машинного навчання під назвою генеративне моделювання, яке здатне створювати нові дані після навчання на вже наявних.

Головна функція нової моделі, названої dgmr (deep generative model of rainfall), полягає в прогнозуванні ймовірності випадання опадів протягом наступних одного-двох годин – і вона була схвалена більш ніж 50 метеорологами з met office у великобританії.

“ця співпраця між наукою про навколишнє середовище та штучним інтелектом зосереджена на важливості для осіб, які приймають рішення, відкриваючи нові шляхи для прогнозування дощу, і вказує на можливості штучного інтелекту в підтримці нашої відповідної дії на виклики, пов’язані з прийняттям рішень в умовах постійних змін”, – пише команда deepmind nowcasting team в своєму блозі.

Дослідники, що стоять за dgmr, описують створення коротких “радарних відеороликів”, які генерують майбутні радарні картини на основі минулих радарних картин – це той вид екстраполяції, який добре вдається машинному навчанню (для більш генеративних моделей див.створення підроблених осіб).

Багато сучасних інструментів прогнозування погоди, включаючи pysteps, використовують підходи чисельного прогнозування погоди (nwp) – по суті, вони використовують математичні моделі для роботи з цими умовами, щоб визначити, якими будуть майбутні умови. Це досить потужні моделі, але вони більш ефективні в довгостроковій перспективі.

“ці моделі дійсно дивовижні з точки зору прогнозу погоди від шести годин до двох тижнів, але є область – особливо від нуля до двох годин – в якій моделі працюють особливо погано”, – сказав суман равурі, штатний науковий співробітник дослідницької групи deepmind, в інтерв’ю the guardian.

Мета dgmr – використовувати величезні можливості штучного інтелекту по обробці чисел і усунути деякі нечіткості і розпливчастість існуючих моделей прогнозування на основі машинного навчання, включаючи u-net – ці моделі можуть не справлятися із забезпеченням точності на всіх етапах процесу.

Тепер, коли нова і більш вдосконалена модель deepmind отримала схвалення з боку практикуючих метеорологів у великобританії, дослідники можуть розглянути можливість її інтеграції в існуючі системи прогнозування погоди.

Однак попереду ще багато роботи, перш ніж ви зможете з абсолютною впевненістю сказати, чи зможете ви залишатися сухим протягом найближчих декількох годин. В даний час команда deepmind робить спроби подальшого підвищення точності dgmr.

“жоден метод не позбавлений обмежень, і необхідно провести додаткову роботу для підвищення точності довгострокових прогнозів і точності щодо рідкісних і інтенсивних подій”, – зазначає команда.

“майбутня робота вимагатиме від нас розробки додаткових способів оцінки ефективності та подальшої спеціалізації цих методів для конкретних реальних додатків”.