Vremenska prognoza bi uz pomoć novog Googleovog AI modela GenCast mogla postati preciznija i energetski učinkovitija. Problem je što, iako je zanimljiv i po mnogočemu bolji, model ima nekoliko vrlo uočljivih nedostataka
GenCast, novi AI model koji je razvio Google DeepMind, pokazao se dovoljno preciznim da može konkurirati tradicionalnim metodama vremenskog predviđanja. Prema nedavno objavljenim istraživanjima, GenCast je nadmašio jedan od vodećih modela za prognozu vremena, ENS sustav, u 97,2 posto slučajeva kada je testiran na podacima iz 2019. godine.
Kako funkcionira GenCast?
GenCast je model strojnog učenja treniran na vremenskim podacima od 1979. do 2018. godine. Umjesto simuliranja fizike atmosfere, kao što to rade tradicionalni modeli, GenCast koristi obrasce iz povijesnih podataka kako bi predvidio buduće uvjete. Na taj način može generirati prognoze brže i uz manje računalne resurse.
Model dijeli Zemlju u mrežu s rezolucijom od 0,25 stupnjeva zemljopisne širine i dužine, dok je ENS u 2019. radio na rezoluciji od 0,2 stupnja, a sada djeluje na još višoj rezoluciji od 0,1 stupnja.
vezane vijesti
Prednosti i ograničenja GenCast-a
Glavna prednost GenCasta su brzina i učinkovitost. Model može generirati 15-dnevnu prognozu u samo osam minuta koristeći Google Cloud TPU v5, dok tradicionalnim modelima poput ENS-a treba nekoliko sati. Druga stvar koja mu ide u prilog je preciznost. GenCast je pokazao značajne prednosti u predviđanju ekstremnih vremenskih događaja poput ciklona, često dajući dodatnih 12 sati upozorenja u usporedbi s ENS-om.
Treća prednost je energetska učinkovitost. Zbog manjeg zahtjeva za računalnom snagom, GenCast može potencijalno smanjiti ekološki otisak u usporedbi s energetskom potrošnjom tradicionalnih metoda.
GenCast ima i neka ograničenja, a prvo od njih je da se prognoze generiraju u intervalima od 12 sati, dok tradicionalni modeli često nude detaljnije prognoze s kraćim intervalima - ovo može biti ključno za praktične primjene poput procjene proizvodnje energije iz vjetra. Također, naglašava Verge, GenCast je testiran na podacima iz 2019., a usporedba s današnjim, naprednijim verzijama ENS-a još nije dostupna.
Šira primjena i budućnost
DeepMind je objavio kod GenCast modela kao open-source, što omogućuje stručnjacima da ga dalje testiraju i prilagođavaju. Cilj je integrirati GenCast s tradicionalnim modelima kako bi se poboljšale prognoze u stvarnom svijetu.
Stručnjaci poput Stephena Mullensa sa Sveučilišta Floride ističu da AI modeli poput GenCasta još uvijek trebaju steći povjerenje meteorološke zajednice. 'Meteorolozi razmišljaju u terminima fizike, a AI se temelji na drugačijim principima,' kaže Mullens.
Ilan Price iz DeepMinda vjeruje da će GenCast i slični modeli značajno doprinijeti društvu: 'Želimo da ovo ima širok društveni utjecaj i pomogne ljudima diljem svijeta.'
