Ученые нашли слабое место ИИ-метеорологов

ИИ научился прогнозировать погоду за минуты, но заменить климатические модели пока не смог

Метеорологи и климатологи начали применять машинное обучение для расчета прогнозов погоды. ИИ-модели работают быстрее традиционных систем, и им нужно меньше вычислительной мощности.

Алгоритмы обучают на данных о состоянии атмосферы за разные периоды времени. После обучения они находят похожие закономерности и прогнозируют дальнейшие изменения. Например, модель AIFS Европейского центра среднесрочных прогнозов погоды рассчитывает прогноз примерно за три минуты. Традиционной модели IFS на это требуется около получаса. Расход энергии отличается примерно в тысячу раз.

Однако нейросеть опирается только на данные, на которых ее обучили. Если возникает редкое или необычное явление, точно спрогнозировать его ИИ пока сложно. По данным исследований, такие модели чаще недооценивают силу и масштаб экстремальных погодных событий. Для климатических расчетов прогнозирования на основе исторических данных недостаточно. Ученым нужно оценивать сценарии, которых еще не было в истории наблюдений. Например, последствия будущих выбросов парниковых газов.

Поэтому исследователи не отказываются от физических моделей. Вместо этого машинному обучению передают отдельные задачи, которые требуют больших вычислительных затрат. Например, расчет снежного покрова, облачности или настройку параметров модели.

Машинное обучение помогает ускорить расчеты и снизить нагрузку на вычислительные системы. Раньше каждый вариант приходилось рассчитывать отдельно, поэтому ансамбль из 50 прогонов требовал примерно в 50 раз больше вычислительных ресурсов. Теперь часть таких расчетов выполняют ИИ-эмуляторы. Они воспроизводят результаты сложных моделей без полного пересчета всех физических процессов. Благодаря этому вероятностные прогнозы могут делать даже организации без крупных суперкомпьютеров.

На старте ИИ-модель дорого обучить, но потом ее можно запускать снова и снова с минимальными затратами. У традиционных моделей каждый прогноз требует нового цикла вычислений. Поэтому исследовательским центрам не обязательно строить собственные суперкомпьютеры. Вместо этого они могут использовать готовые модели, такие как Pangu-Weather и GraphCast.

Ранее мы писали о том, что российские ученые нарушили монополию NASA на прогнозы космической погоды.