Прогнозирование погоды играет важнейшую роль в защите людей и экономики от экстремальных погодных явлений. Ежегодно от точности прогнозов во всем мире зависят триллионы долларов.

Только в США около трети экономики (или 3 триллиона долларов) зависит от погоды и климата.

Поскольку изменение климата увеличивает неопределенность, роль искусственного интеллекта (ИИ) в улучшении прогнозирования привлекает все большее внимание.

Традиционный механизм прогнозирования

8uven44n.png
Метеоролог отслеживает погодные условия в комплексе NOAA в Мэриленде, США. Фото: Bloomberg

Современное прогнозирование погоды основано на серии измерений с помощью воздушных шаров, спутников, коммерческих самолетов, кораблей и многих других наблюдательных устройств.

Данные из этих источников синхронизируются с помощью технологии, называемой «ассимиляция данных», для создания максимально точной картины текущего состояния атмосферы.

Система работает, передавая данные в физическую модель, запрограммированную на суперкомпьютере. Земля разделена на трёхмерные сетки, каждая из которых содержит уравнения, описывающие движение воздуха. Затем модель рассчитывает будущее развитие событий.

Прогнозы обновляются каждые несколько часов, чтобы гарантировать, что данные отражают актуальные атмосферные условия. Однако даже небольшая первоначальная ошибка может привести к серьёзным ошибкам в прогнозе — это явление известно как «эффект бабочки».

ИИ: альтернативные и дополнительные подходы

С 2022 года метеорологические модели на основе искусственного интеллекта получат всё большее распространение. Вместо того, чтобы полагаться на физические уравнения, модели искусственного интеллекта обучаются на исторических данных, распознавая закономерности и делая прогнозы. Этот процесс требует меньше вычислительных ресурсов.

Такие компании, как Google DeepMind, Nvidia и метеорологические организации, такие как Европейский центр среднесрочных прогнозов (ECMWF) и Национальное управление океанических и атмосферных исследований США (NOAA), разрабатывают модели ИИ для прогнозирования погоды. GraphCast от DeepMind превзошёл традиционные методы прогнозирования траекторий штормов в Тихом и Атлантическом океанах в 2021–2024 годах. У Nvidia есть CorrDiff — модель, которая использует ИИ для создания подробных прогнозов при значительно меньших затратах энергии.

Преимущества ИИ в прогнозировании погоды

Ожидается, что ИИ поможет преодолеть присущие традиционным моделям ограничения, особенно в трех областях: гиперлокального прогнозирования, прогнозирования тропических осадков и среднесрочного прогнозирования.

При гиперлокальном прогнозировании такие явления, как локальные грозы или торнадо, сложно точно моделировать с помощью традиционных моделей из-за их низкого разрешения. ИИ может повысить детализацию прогнозов без необходимости использования дорогостоящих суперкомпьютеров.

Прогнозирование тропических осадков в экваториальных регионах по-прежнему сталкивается с трудностями из-за нехватки оборудования для наблюдений и уникальных характеристик дождевой системы. ИИ помогает выявлять закономерности даже при ограниченном количестве входных данных.

ufk5j23r.png
Наводнение обрушилось на хлопковую ферму в пакистанской провинции Синд в августе 2022 года. Фото: Bloomberg

Для среднесрочного прогнозирования (от 2 недель до 3 месяцев) этот период имеет решающее значение для сельского хозяйства и энергетических рынков, но плохо моделируется. Исследования Фуданьского университета (Китай) показывают, что ИИ может улучшить прогнозы колебаний Маддена-Джулиана — явления, которое влияет на количество осадков и температуру на несколько недель позже.

Интеграция ИИ в цепочку прогнозирования

ИИ не только заменяет модели, но и поддерживает многие другие этапы процесса прогнозирования. Например, на этапе сбора данных ИИ расширяет область наблюдений, включая неметеорологические факторы, такие как планировка городов, потребление энергии и поведение людей. ЕЦСПП использует ИИ для прогнозирования лесных пожаров с учётом активности человека и состояния горючего.

ИИ также может помочь в обработке спутниковых снимков: Гонконгская обсерватория (Китай) использует компьютерное зрение для анализа данных радара дождя, тем самым прогнозируя направление и скорость движения облаков.

На этапе постобработки данных ИИ помогает рассчитать конкретные результаты из общего прогноза, например, сколько электроэнергии будет производить ветряная турбина.

Для улучшения традиционного прогнозирования Метеорологическое бюро использует машинное обучение, чтобы повысить точность прогнозов и одновременно сделать их более полезными для конечных пользователей.

Хотя ИИ обещает большие перспективы, эксперты утверждают, что он, скорее всего, будет дополнять, а не заменять традиционные физические модели. Это связано с тем, что ИИ опирается на обширные исторические данные, многие из которых получены посредством физических наблюдений и моделирования.

Разработка ИИ также должна обеспечивать прозрачность, разумные затраты на использование и работоспособность в рамках национальной системы прогнозирования.

ИИ станет новым звеном в цепочке технологий прогнозирования, помогая повысить точность, сократить затраты и расширить возможности прогнозирования будущей погоды.

В условиях все более изменчивой погодной обстановки, обусловленной изменением климата, объединение ИИ и традиционной науки станет ключом к созданию более современных, устойчивых и инклюзивных систем прогнозирования.

(По данным Bloomberg)

18 лет бесплодия. ИИ сканирует 8 миллионов фотографий в поисках сперматозоидов История пары, которая забеременела благодаря технологии STAR — системе искусственного интеллекта, способной обнаруживать микроскопические сперматозоиды, — это не только достижение науки, но и свидетельство силы надежды перед лицом отчаяния.

Источник: https://vietnamnet.vn/vi-sao-ai-du-bao-thoi-tiet-chua-the-thay-the-phuong-phap-truyen-thong-2423878.html