Googleov DeepMind ima novi algoritam strojnog učenja za koji tvrdi da može točnije predvidjeti vrijeme od svih trenutnih metoda predviđanja za koje se koriste superračunala.

Googleov model, nazvan GraphCast, generirao je precizniju deseterodnevnu prognozu od sustava High Resolution Forecast (HRES) kojeg vodi Europski centar za srednjoročne vremenske prognoze (ECMWF), napravivši predviđanja u minutama, a ne u satima. Google DeepMind HRES naziva trenutnim zlatnim standardnom za sustave simulacije vremena.

GraphCast, koji može raditi na stolnom računalu, nadmašio je ECMWF na više od 99 posto vremenskih varijabli u 90 posto 1300 testnih regija, prema rezultatima objavljenima 14. studenog u časopisu Science.

Međutim, istraživači kažu da sustav još nije besprijekoran zato što se rezultati generiraju u crnoj kutiji, što znači da umjetna inteligencija ne može objasniti kako je pronašla uzorak ili demonstrirati kako to funkcionira. Ta bi se metoda, prema Googleu, trebala koristiti kao nadopuna, a ne kao zamjena utvrđenih alata.

Današnje metode predviđanja vremena oslanjaju se na ubacivanje informacija u kompleksne fizičke modele i korištenje superračunala za izvođenje simulacija. Točnost ovih predviđanja oslanja se na sitne detalje unutar modela koji su sami po sebi, objašnjava Space, energetski intenzivni i skupi za pokretanje.

Rad vremenskih modela strojnog učenja je jeftiniji jer im je potrebna manja računalna snaga. Stručnjaci su za novi AI model trenirali GraphCast na 38 godina globalnih očitanja vremena zaključno sa 2017. godinom. Algoritam je uspostavio obrasce između varijabli kao što su tlak zraka, temperatura, vjetar i vlažnost koje čak ni istraživači nisu uspjeli razumijeti.

Nakon ove obuke, model je ekstrapolirao prognoze iz globalnih vremenskih procjena napravljenih 2018. kako bi napravio deseterodnevne prognoze i to za manje od jedne minute. Pokrećući GraphCast uz ECMWF-ovu prognozu visoke rezolucije koja koristi konvencionalnije fizičke modele za predviđanje, znanstvenici su otkrili da je GraphCast dao preciznija predviđanja na više od 90 posto od 12.000 korištenih podatkovnih točaka.

GraphCast također može predvidjeti ekstremne vremenske događaje, kao što su toplinski valovi, hladnoće i tropske oluje.

Brzo, precizno, ali i dalje nepouzdano

'U rujnu je aktivna verzija našeg javno dostupnog GraphCast modela, postavljenog na web stranici ECMWF-a, devet dana unaprijed točno predvidjela da će uragan Lee stići do Nove Škotske', napisao je Rémi Lam, istraživač u DeepMindu.

'Suprotno tome, tradicionalne prognoze imale su veću varijabilnost u tome gdje i kada će doći do kopna, a vezane su samo za Novu Škotsku oko šest dana unaprijed.' Unatoč impresivnim performansama modela, znanstvenici ne vjeruju da će uskoro zamijeniti alate koji se trenutno koriste. Budući da algoritmi strojnog učenja proizvode rezultate koje ne mogu objasniti, mogu biti skloni pogreškama ili 'halucinacijama'.

Umjesto toga, modeli umjetne inteligencije mogli bi nadopuniti druge metode predviđanja i generirati brža predviđanja, rekli su istraživači. Oni također mogu pomoći znanstvenicima da vide promjene u klimatskim obrascima tijekom vremena i dobiju jasniji pogled na širu sliku.

'Pionirska upotreba umjetne inteligencije u prognoziranju vremena donijet će koristi milijardama ljudi u njihovim svakodnevnim životima. Ali naše šire istraživanje ne odnosi se samo na predviđanje vremena - radi se o razumijevanju širih obrazaca naše klime', napisao je Lam. 'Razvijanjem novih alata i ubrzavanjem istraživanja, nadamo se da umjetna inteligencija može osnažiti globalnu zajednicu da se uhvati u koštac s našim najvećim ekološkim izazovima.'