Лучшие прогнозы погоды с искусственным интеллектом?
Финский метеорологический институт совместно со своими европейскими партнерами разрабатывает и тестирует методы прогнозирования погоды на основе данных. Преимущество прогнозов искусственного интеллекта заключается в их скорости. Искусственный интеллект уже используется на разных этапах прогнозирования погоды.
Финский метеорологический институт в режиме реального времени создает ситуационные снимки и прогнозные данные о погодных, морских, климатических и космических условиях и их воздействии. Физические модели погоды, моря и климата являются ключевой частью цепочки создания стоимости прогноза условий. Статистические методы, в том числе искусственный интеллект, уже давно стали частью этой цепочки. Искусственный интеллект используется, например, для расширения использования наблюдений за погодой в моделях прогнозирования или для создания новых прогнозов воздействия, чтобы они могли выявлять связи между метеорологическими явлениями и их последствиями.
Атмосферу уже можно смоделировать с помощью моделей искусственного интеллекта на основе данных. Например, Европейский центр среднесрочных прогнозов погоды (ECMWF) разработал прототип глобальной модели погоды на основе данных, которая больше не основана непосредственно на физических уравнениях, а на зависимостях, которые модель ИИ узнала из длинных временных рядов атмосферной истории, полученных с помощью традиционной модели погоды.
Предварительно обученный ИИ прогноз может быть рассчитан гораздо быстрее, чем прогноз модели погоды, требующий суперкомпьютера.
В последние годы крупные технологические компании сделали шаги вперед в развитии методов прогнозирования погоды на основе данных. Преимуществом прогнозов ИИ является их скорость, по сравнению с традиционными методами. Предварительно обученный ИИ прогноз может быть рассчитан гораздо быстрее, чем прогноз модели погоды, требующий суперкомпьютера. По качеству прогнозы погоды моделей ИИ находятся на том же уровне, что и прогнозы моделей погоды, а то и лучше, по некоторым параметрам и по некоторым показателям.
Объем доступных данных огромен, а вычислительные технологии развиты
Что способствовало быстрой разработке прогнозов на основе данных? Во-первых, объем данных, доступных в настоящее время, огромен, и к ним легче получить доступ. Например, Служба по изменению климата программы «Коперник» (C3S) производит глобальные данные повторного анализа, основанные на моделях погоды и наблюдениях за несколько десятилетий, что хорошо подходит для учебного материала по методам ИИ. Наблюдения за погодой и данные, полученные с помощью погодных моделей, являются наиболее важным топливом в цепочке создания стоимости прогнозов ИИ.
Во-вторых, все большее распространение получили вычислительные технологии на основе графических процессоров (GPU), которые хорошо подходят для обучения методов ИИ.
Однако в прогнозах ИИ все еще есть недостатки и потенциал развития. Локально точные данные повторного анализа, необходимые для прогнозирования экстремальных погодных явлений, таких как штормы и грозы, пока недоступны в той же степени, что и более разрозненные глобальные данные. Количество параметров, создаваемых прогнозами ИИ, также ограничено по сравнению с прогнозами, создаваемыми моделями погоды. Для устранения обоих этих недостатков одной из ключевых задач развития станет включение новых источников данных в процесс обучения методам ИИ.
Изменит ли искусственный интеллект прогнозирование погоды?
Искусственный интеллект обладает потенциалом для ускорения прогнозирования погоды. Искусственный интеллект также может позволить интегрировать погодные воздействия, такие как производство энергии или размер ущерба от шторма, в прогноз погоды совершенно новым способом. Наблюдения за погодой и погодные модели с локальной точностью, которые уже используются Финским метеорологическим институтом, вероятно, сыграют ключевую роль в получении новых обучающих данных. Кроме того, огромная скорость методов прогнозирования, основанных на данных, привлекает исследователей того, как неопределенность прогноза может быть оценена более экономически эффективно, используя методы, основанные на данных, по сравнению с текущей технологией ансамблевого прогнозирования.
Однако модели искусственного интеллекта и их качество не возникают в вакууме; Они так же хороши, как и данные, используемые для обучения методов. Необходимо продолжать разработку данных повторного анализа и лежащих в их основе моделей погоды, чтобы повысить качество методов прогнозирования, основанных на данных. Создание и обновление данных, а также обучение методов прогнозирования ИИ — это высоковычислительная деятельность, которая по-прежнему будет требовать мощностей суперкомпьютеров.
Модели искусственного интеллекта и их качество не возникают в вакууме; Они так же хороши, как и данные, используемые для обучения методов.
Понятно, что новые возможности, предлагаемые искусственным интеллектом, изменят и прогнозирование погоды, но необходимо понимать возможности и ограничения методов и данных. Темпы развития методов искусственного интеллекта и их применения сейчас огромны, поэтому сложно оценить, насколько масштабной будет окончательная трансформация.
Вместе со своими европейскими партнерами Финский метеорологический институт вносит свой вклад в эту трансформацию, разрабатывая и тестируя методы прогнозирования на основе данных. На данный момент кажется, что наилучших результатов можно достичь, комбинируя наблюдения, физические модели и методы искусственного интеллекта для достижения более точных и особенно быстрых прогнозов. Инвестиции в методологические исследования, а также в данные и вычислительную инфраструктуру необходимы для достижения ожидаемых результатов.
https://en.ilmatieteenlaitos.fi/comment/7075Sx39bQ0z1ng1zHak1Q
