Το πρόγραμμα τεχνητής νοημοσύνης GenCast έχει κάνει πιο ακριβείς προβλέψεις από το κέντρο ECMWF το οποίο θεωρείται το κορυφαίος στο είδος
Ερευνητές δημιούργησαν μια πρόγνωση καιρού βασισμένη στην τεχνητή νοημοσύνη που κάνει ταχύτερες και ακριβέστερες προβλέψεις από το καλύτερο σύστημα που έχουμε στη διάθεση μας σήμερα
Το GenCast, ένα πρόγραμμα τεχνητής νοημοσύνης
από το Google DeepMind, είχε απόδοση έως και 20% καλύτερη από την πρόβλεψη της ENS από το Ευρωπαϊκό Κέντρο
Μεσοπρόθεσμων Προγνώσεων Καιρού (ECMWF), που θεωρείται ευρέως ως ο παγκόσμιος ηγέτης στο
συγκεκριμένο πεδίο.
Βραχυπρόθεσμα,
το GenCast
αναμένεται να υποστηρίξει τους παραδοσιακούς τρόπους πρόβλεψης αντί να τιους αντικαταστήσει.
Θα μπορούσε να παρέχει σαφήνεια σχετικά με μελλοντικές εξάρσεις ψύχους,
καύσωνες και ισχυρούς ανέμους. Παράλληλα θα βοηθήσει τις εταιρείες ενέργειας να
προβλέψουν πόση ενέργεια θα παράγουν από τα αιολικά πάρκα ή τα φωτοβολταϊκά.
Σε σύγκριση το
πρόγραμμα έκανε πιο ακριβείς προβλέψεις από το ENS για καθημερινές καιρικές συνθήκες
και ακραία φαινόμενα έως και 15 ημέρες νωρίτερα, και ήταν καλύτερο στην
πρόβλεψη της πορείας των καταστροφικών τυφώνων και άλλων τροπικών κυκλώνων.
συμπεριλαμβανομένου του σημείου που θα χτυπούσαν στην ξηρά.
«Το να
ξεπεράσεις το ENS είναι κάτι σαν ένα σημείο καμπής στην πρόοδο της τεχνητής νοημοσύνης για
την πρόβλεψη καιρού. Τουλάχιστον βραχυπρόθεσμα, αυτά τα μοντέλα θα συνοδεύουν
και θα είναι δίπλα στις υπάρχουσες, παραδοσιακές προσεγγίσεις» τόνισε ο Ίλαν
Πράις ερευνητής στο Google DeepMind.
Οι
παραδοσιακές μετεωρολογικές προβλέψεις βασισμένες στη φυσική λύνουν τεράστιους
αριθμούς εξισώσεων για να παράγουν τις προβλέψεις τους, αλλά το GenCast έμαθε πώς εξελίσσεται ο παγκόσμιος
καιρός εκπαιδεύοντας σε ιστορικά δεδομένα 40 ετών που δημιουργήθηκαν μεταξύ
1979 και 2018. Αυτά περιλάμβαναν ταχύτητα ανέμου, θερμοκρασία, πίεση, υγρασία
και δεκάδες άλλα μεταβλητές σε διαφορετικά υψόμετρα.
Δεδομένων
των πιο πρόσφατων καιρικών δεδομένων, το GenCast προβλέπει πώς θα αλλάξουν οι
συνθήκες σε όλο τον πλανήτη σε περιοχές μέσα στις επόμενες 15 μέρες.
Παρουσιάζει βήμα-βήμα τις μεταβολές του καιρού ανά 12 ώρες.
Ενώ μια
παραδοσιακή πρόβλεψη απαιτεί ώρες για να εκτελεστεί σε έναν υπερυπολογιστή με
δεκάδες χιλιάδες επεξεργαστές, το GenCast διαρκεί μόνο οκτώ λεπτά σε ένα μόνο Google Cloud TPU, ένα τσιπ που έχει σχεδιαστεί για
μηχανική μάθηση.
Η Google κυκλοφόρησε μια σειρά από προγνώσεις
καιρού με τεχνητή νοημοσύνη τα τελευταία χρόνια, οι οποίες αποτελούν το
αποτέλεσμα της δουλειάς ερευνητών που ασχολούνται με διαφορετικές προσεγγίσεις.
Τον Ιούλιο, η εταιρεία ανακοίνωσε το NeuralGCM , το οποίο συνδυάζει την τεχνητή
νοημοσύνη και την παραδοσιακή φυσική για προβλέψεις μεγάλης εμβέλειας και
μοντελοποίηση κλίματος.
Το 2023, η Google DeepMind αποκάλυψε το GraphCast , το οποίο παράγει μία μόνο πρόβλεψη
με τις καλύτερες εικασίες κάθε φορά. Το GenCast βασίζεται στο GraphCast δημιουργώντας ένα σύνολο 50 ή
περισσότερων προβλέψεων, δίνοντας πιθανότητες για διαφορετικά καιρικά φαινόμενα
στο μέλλον.
Οι
μετεωρολόγοι υποδέχονται με ενθουσιασμό αυτή τη νέα εξέλιξη. Τη χαρακτηρίζουν
συναρπαστική και σημαντική πρόοδο.
«Η πρόγνωση
του καιρού βρίσκεται στο χείλος μιας θεμελιώδους αλλαγής στη μεθοδολογία. Αυτό
ανοίγει τη δυνατότητα στις εθνικές μετεωρολογικές υπηρεσίες να παράγουν πολύ
μεγαλύτερα σύνολα προγνώσεων, παρέχοντας πιο αξιόπιστες εκτιμήσεις για την
εμπιστοσύνη των προβλέψεων, ιδιαίτερα για ακραία φαινόμενα» δήλωσε η Σάρα
Ντανς, καθηγήτρια αφομοίωσης δεδομένων στο Πανεπιστήμιο του Ρέντινγκ.
Όμως
παραμένουν ερωτήματα. «Οι συγγραφείς δεν απάντησαν εάν το σύστημά τους έχει τον
φυσικό ρεαλισμό για να συλλάβει το «φαινόμενο της πεταλούδας», τον καταρράκτη
των ταχέως αναπτυσσόμενων αβεβαιοτήτων, που είναι κρίσιμο για την
αποτελεσματική πρόβλεψη συνόλου. Υπάρχει ακόμη πολύς δρόμος έως ότου οι
προσεγγίσεις μηχανικής μάθησης μπορούν να αντικαταστήσουν πλήρως τις προβλέψεις
που βασίζονται στη φυσική» ανέφερε η Ντας. Και προσέθεσε: «Μένει να δούμε αν η
παραγωγική μηχανική μάθηση μπορεί να προχωρήσει κατευθείαν από τις πιο
πρόσφατες μη επεξεργασμένες παρατηρήσεις σε μια πρόβλεψη 15 ημερών».
Κλείνοντας η
Ντανς τονίζει ότι η νέα τεχνολογία είναι πολλά υποσχόμενη αλλά επεσήμανε: «Όλα
τα μοντέλα πρόβλεψης έχουν την πιθανότητα να κάνουν λάθος και το GenCast δεν διαφέρει».