В конце июля ученые из Google во главе с россиянином Дмитрием Кочковым представили алгоритм NeuralGCM на основе машинного обучения — он может предсказывать погоду точнее, чем это делается сейчас с помощью традиционных инструментов. Чуть раньше, весной 2024 года, Google рассказал о новом ИИ, который способен прогнозировать наводнения за неделю до начала этого стихийного бедствия! Статьи об обеих разработках вышли в одном из самых престижных научных журналов — Nature. Рассказываем, как одна из главных IT-компаний мира на наших глазах меняет индустрию прогнозов погоды.
«Google разработала ИИ для самых точных прогнозов», «Революция в предсказании погоды», «Новаторская статья от команды Google», — такими громкими заголовками в конце июля пестрели страницы блогов и изданий, следящих за высокими технологиями. Поводом для них стала новинка от исследовательского подразделения американского IT-гиганта. Это алгоритм, который должен сделать прогнозы погоды и исследования климата много точнее и… на порядок дешевле. Разработчики назвали его NeuralGCM. Статья же, описывающая принцип его работы, вышла в одном из главных научных изданий планеты — Nature.
Сам Google называет свое творение «новым подходом к моделированию атмосферы». NeuralGCM, по словам создателей, способен составлять прогноз на срок от 2 до 15 дней точнее, чем те программы, которые считаются «золотым стандартом» среди метеорологов. Это стало возможным благодаря тому, что Google совместил два принципиально разных (и едва ли не противоположных) подхода к предсказанию погоды: традиционный, которым синоптики и климатологи пользуются последние полвека, и инновационный, связанный с использованием ИИ.
Так, сегодня климатологи и синоптики используют в своей работе сложные математические программы, на языке профессионалов их называют моделями общей циркуляции атмосферы (или GCM от английского General circulation models). Грубо говоря, в GCM заложена информация обо всей земной атмосфере, которая для удобства расчетов поделена на сектора по несколько сотен квадратных километров. Внутри каждого такого сектора программа решает бесчисленное количество сложнейших физических уравнений, исходя из актуальных данных о температуре, влажности, облачности, интенсивности солнечного света и тому подобных параметров. На выходе эта модель может давать прогноз погоды, кроме того, ее используют для прогнозирования климатических изменений.
Александр Колесов
Главный синоптик Петербурга:
Глядя на карту погоды, человек может составить достоверный прогноз только на сутки. Делать выводы о более отдаленном будущем, даже о 3–5 днях, может только компьютер. Для этого в ведущих мировых метеорологических агентствах есть специальные модели, в которые заложены все математические законы и знания о физике атмосферы. Это очень мощные программы, которые постоянно просчитывают будущее состояние атмосферы — куда какие массы воздуха будут двигаться. При этом оцениваются очень большие масштабы физических явлений — учитывается поведение атмосферы на высотах до 20 км! И все это пересчитывается каждые 3–6 часов.
Проблема в том, что эти огромные модели не лишены недостатков. Во-первых, сектора, на которые GCM делят атмосферу, довольно велики — далеко не все атмосферные явления происходят на площади в сотни или даже тысячи квадратных километров (так, площадь всего Петербурга, включая Курортный, Пушкинский и Колпинский районы, составляет меньше 1,5 тысячи километров). Это значит, что такие модели не очень хороши в предсказании погоды в конкретной точке. Кроме того, они требуют очень мощных и дорогих компьютеров, но на них работают не очень быстро (если же сделать сектора, в которых ведутся расчеты, меньше, то потребуются еще более мощные устройства). В качестве ответа на эти проблемы в последние годы развивался альтернативный метод предсказания погоды — алгоритмы на основе искусственного обучения. Они не решают все те уравнения, которые заложены в GCM, вместо этого они делают прогноз, исходя из данных о климате в той или иной местности за десятки лет. Это позволяет делать довольно точные и дешевые прогнозы на небольшой дистанции, но часто приводит к ошибкам при попытке предсказать погоду на дистанции свыше недели.
Как пишет издание MIT Technology Review (официальное медиа легендарного Массачусетского технологического института), долгое время метеорологи и климатологи спорили на тему о том, за каким подходом будущее. Однако команда Google (ее возглавляет выпускник МФТИ Дмитрий Кочков, который в своих соцсетях использует селфи на фоне Казанского собора!) решила не выбирать, а использовать преимущество обоих методов — так появился NeuralGCM. С одной стороны, этот алгоритм традиционным образом решает физические уравнения, как это делают стандартные программы, работающие в ведущих метеорологических институтах мира. Но затем в дело вступает ИИ, ускоряя вычисления и уточняя прогноз на небольшой площади. В итоге, как пишут сами авторы в своей статье в Nature, их разработка стала первым алгоритмом на основе искусственного интеллекта, которая превзошла по точности прогнозов традиционные GCM.
Дмитрий Кочков
Создатель NeuralGCM (цитата по ESG News):
Интеграция NeuralGCM машинного обучения с традиционными физическими методами знаменует собой значительный скачок в точности и эффективности прогнозирования погоды и климата.
Однако составление прогнозов погоды на ближайшие две недели — лишь небольшая часть от возможностей нового алгоритма Google. Не менее, а вероятно, более важно то, что NeuralGCM умеет отслеживать долговременные изменения. Ученые загрузили в нее данные о климате прошлого и попросили рассчитать то, как должна была теплеть планета в течении периода с 1980 по 2020, а потом сравнили с реальными показателями (именно так обычно проверяют умение климатических моделей делать выводы о будущем). В итоге прогноз разработки Google оказался даже точнее, чем современные ведущие алгоритмы.
Не менее важно и то, что за счет использования ИИ расчеты NeuralGCM требуют меньше времени и обходятся намного дешевле, чем те программы, что используются сейчас. «Если бы исследователи моделировали состояние атмосферы Земли на год с помощью X-SHiELD (специальная программа для расчетов климатических и погодных изменений с очень высоким разрешением, — прим. ред.), то им бы потребовалось на это 20 дней и доступ к суперкомпьютеру с 13 тысячами процессоров. NeuralGCM нужны лишь 8 минут и компьютер с одним TPU (специальный тип процессоров, который используется для машинного обучения, — прим. ред.).
«Беспрецедентная точность всего за одну минуту»
NeuralGCM далеко не первая метеорологическая сенсация от Google. Меньше года назад IT-гигант наделал не меньше шуму, представив полностью основанный на искусственном интеллекте алгоритм для прогнозов погоды на 10 дней. Он получил название GraphCast, а статья с описанием принципов его работы была опубликована в другом престижнейшем научном журнале — Science.
«GraphCast обучается на результатах наблюдения за погодой [во всем мире] за десятки лет, — писали в Google, — это позволяет ей изучить причинно-следственные связи, которые управляют тем, как меняется погода на Земле». В итоге, отмечали разработчики в своей публикации в Science, GraphCast смог удовлетворительно предсказывать изменение сотен параметров погоды по всему миру на срок до 10 дней. При этом в 9 из 10 случаев его прогнозы были точнее, чем те, что сделали программы, которые сейчас используют ведущие метеорологические центры планеты.
«Наша передовая модель обеспечивает 10-дневный прогноз погоды с беспрецедентной точностью менее чем за одну минуту», — говорилось в блоге компании. Особенно разработчики делали упор на то, что их алгоритм способен не только предсказывать стандартные изменения погоды вроде похолодания или усиления ветра, но и опасные природные явления.
Реми Лам
Создатель GraphCast (цитата по официальному блогу Google):
В сентябре [2023 года] оперативная версия нашей общедоступной модели GraphCast, размещенная на сайте ECMWF, точно предсказала, что ураган Ли обрушится на Новую Шотландию, это удалось сделать за 9 дней. Традиционные [инструменты] прогнозирования оставляли большую неопределенность относительно того, где именно пройдет стихия. Уверенность в том, ураган пройдет именно по Новой Шотландии была озвучена примерно за шесть дней.
Как отмечают журналисты издания MIT Technology Review, появление GraphCast заставило метеорологов «переосмыслить роль ИИ в прогнозировании погоды». «Когда [подразделение] Google DeepMind впервые представило GraphCast в декабре [2022 года], это было похоже на Рождество», — приводит издание слова Питера Дьюбена, руководителя отдела моделирования системы Земли в Европейском центре среднесрочных прогнозов погоды (ECMWF).
Впрочем, как добавил Дьюбен, GraphCast все равно не идеален (в частности он уступает используемым сейчас программам в части предсказания осадков). По его мнению, метеорологи и синоптики по-прежнему продолжат пользоваться традиционными инструментами, хотя и будут все больше использовать в своей работе ИИ.
Александр Колесов
Главный синоптик Петербурга:
Я не думаю, что искусственный интеллект сможет делать абсолютно точные прогнозы, но он может помочь отсечь наименее вероятные прогнозы, которые делают модели для среднесрочного прогнозирования. Он может скорректировать возникающие в них ошибки, убирая невероятные сценарии, которых не было в той или иной местности, это сделает разброс возможных значений [температуры и влажности] в таких прогнозах меньше.
«Прогнозы в режиме реального времени бесплатно и без ограничений»
Но и это еще не все — в марте 2024 года команда Google представила (вновь в журнале Nature) специальный алгоритм для предсказания наводнений. Ему удавалось эффективно предугадывать опасность возникновения такого стихийного бедствия за неделю до его начала.
Для обучения своего алгоритма в Google использовали исторические данные с 5680 водомерных станций. При этом, утверждают разработчики, тренировка алгоритма занимает всего несколько часов. Правда, признают сами исследователи, на момент выхода алгоритм давал разные результаты в разных частях мира, тем не менее его результаты были вполне удовлетворительны для территорий 80 стран мира.
Команда Google
Из статьи в журнале Nature:
Помимо составления точных прогнозов, еще одним аспектом проблемы предоставления действенных предупреждений о наводнениях является своевременное распространение этих предупреждений среди отдельных лиц и организаций. Мы поддерживаем последнее, публикуя прогнозы публично в режиме реального времени, бесплатно и без ограничений.
Все это особенно актуально, подчеркивают авторы в своей статье для Nature, учитывая, что с 2000 года количество наводнений удвоилось. «Всемирный банк подсчитал, что модернизация систем раннего оповещения о наводнениях в развивающихся странах до стандартов развитых стран спасет в среднем 23 000 жизней в год», — добавляют они, обосновывая актуальность своей работы.
«В мировом масштабе за несколько секунд»
Впрочем, амбиции совершить революцию в мире метеорологии имеет не только Google. В последний год в этой сфере развернулась настоящая гонка между мировыми лидерами в области высоких технологий. Так, летом 2023 года свою ИИ-модель предсказания погоды выложила в открытый доступ китайская Huawei: она назвала свою разработку Pangu-Weather. Как писало издание PR Newswire, китайская модель «позволяет делать более точные прогнозы погоды, увеличивая скорость их подготовки в 10 000 раз, таким образом сокращая время предсказания погоды в мировом масштабе до нескольких секунд». К слову, описание принципов работы Pangu-Weathe также было опубликовано в Nature.
Не остается в стороне и американская компания NVIDIA, известная производством видеокарт. В 2024 году она сообщила о создании платформы Earth-2 для прогнозирования погоды и климатических изменений. Она оснащена собственной моделью на основе искусственного интеллекта, которая получила название FourCastNet. В частности, она решает часть тех же проблем, что и алгоритмы Google — дает возможность делать прогнозы для сравнительно небольших областей в несколько квадратных километров.
Не остается в стороне и российский «Яндекс» — в марте 2024 года он представил нейросеть для прогнозирования специально для компаний, чей бизнес зависит от капризов погоды. Как сообщали в компании, сервис на основе искусственного интеллекта «позволяет контролировать погодные данные по более чем 150 параметрам и нескольким локациям одновременно».
Комментарии (0)