Zaledwie pięć lat temu profesor nauk atmosferycznych na Uniwersytecie Waszyngtońskim Dale’a Durrana opublikował papier z tytułem „Czy maszyny mogą nauczyć się przewidywać pogodę?”
W tamtym czasie wielu badaczy odpowiadało „nie” na to pytanie, biorąc pod uwagę ogromną złożoność prognozowania pogody. Jednak Durran i jego współautorzy dostrzegli potencjał w szybko rozwijającej się technologii i już przełamywali bariery w jej zastosowaniu.
„Perspektywy opracowania znacznie dokładniejszych modeli prognoz pogody opartych na głębokim uczeniu, opartych na znacznie większej ilości informacji o początkowym stanie atmosfery, wydają się doskonałe” – napisali naukowcy z rejonu Seattle.
Ich przewidywania okazały się trafne.
Tego lata Durran i jego koledzy badacze z firmy Nvidia ogłosili opracowanie narzędzia o nazwie Burzowy który może szybko i dokładnie przewidywać burze i opady deszczu z dokładnością do zaledwie kilku mil. StormCast, który opiera się na sztucznej inteligencji i generatywnej AI, nie tylko może działać szybciej niż istniejące systemy, ale także może działać na znacznie prostszych maszynach, które są bardziej wydajne w obliczeniach i zużywają znacznie mniej energii.
„To bardzo, bardzo szybka i ekscytująca zmiana w sposobie prognozowania” – powiedział Durran w wywiadzie dla GeekWire.
Narzędzie to staje się coraz ważniejsze, ponieważ ekstremalne zjawiska pogodowe takie zjawiska jak powodzie, gradobicia i rekordowe temperatury stają się coraz powszechniejsze w miarę dalszego ocieplania się planety.
StormCast został stworzony przez zespół w dużej mierze z Nvidii, wieloletniego producenta chipów, który korzysta z głównych wiatrów napędowych z boomu AI. Durran pracuje głównie z UW, ale ma również stanowisko badawcze w kalifornijskiej firmie Nvidia.
Grupa, w skład której wchodzili naukowcy z Lawrence Berkeley National Laboratory i University of Minnesota, opublikowała w sierpniu wydruk wstępny artykuł na StormCast, który nie przeszedł formalnej recenzji.
Aktualnym punktem odniesienia dla krótkoterminowych prognoz pogody w USA jest Narodowa Agencja ds. Oceanów i Atmosfery (NOAA) i jejSzybkie odświeżanie o wysokiej rozdzielczości (HRRR)system modelowania. HRRR opiera swoje prognozy na numerycznej prognozie pogody, co wymaga ogromnej mocy obliczeniowej i ma ograniczenia co do danych wejściowych, które może pomyślnie włączyć.
Wytrenowanie modelu StormCast wymagało znacznej mocy obliczeniowej i energii, jednak jego używanie wymaga znacznie mniej obu tych czynników.
Podczas gdy model NOAA powoli generuje pojedynczą prognozę, StormCast działa poprzez szybkie uruchomienie pięciu różnych symulacji, które modyfikują początkowe warunki atmosferyczne i parametry w modelu za pomocą generatywnej sztucznej inteligencji. Rezultatem jest zespół symulacji, który może przewyższyć pojedynczy przebieg HRRR, według badaczy StormCast. StormCast jest zoptymalizowany pod kątem lokalnych prognoz obejmujących bieżące warunki do sześciu godzin, z wynikami do 12 godzin.
„W ciągu pierwszych kilku godzin jesteśmy w stanie lepiej oszacować, gdzie najprawdopodobniej wystąpią opady deszczu” – powiedział Durran.
Istnieją plany, aby StormCast lepiej wykorzystywał pozyskiwane w czasie rzeczywistym informacje radarowe i satelitarne dotyczące chmur, co pozwoliłoby na udoskonalenie wyników.
NOAA również pracuje nad dostarczaniem dokładniejszych prognoz. W tym tygodniu NOAA i Departament Handlu USA ogłoszony inwestycja w wysokości 100 milionów dolarów w nowy, wydajny system komputerowy o nazwie Rhea, który wzmocni wykorzystanie AI w prognozowaniu pogody, klimatu i pożarów lasów, a także w innych aplikacjach. Finansowanie pochodzi z Bipartisan Infrastructure Law and Inflation Reduction Act.
Sztuczna inteligencja jest coraz częściej włączana do prognozowania, przy czym większość uwagi skupia się na narzędziach wykorzystywanych do globalnych prognoz, które rozciągają się na 10 dni. Obejmuje to prace Europejskiego Centrum Prognoz Średnioterminowych i Aurora firmy Microsoftktóry dostarcza prognoz dotyczących zadymienia i pogody. Planetastartup zajmujący się technologią klimatyczną Korzenie Pacyfiku Północno-Zachodniegowykorzystuje sztuczną inteligencję do prognozowania pogody i klimatu w skali od najbliższego miesiąca do pięciu lat.
Durran nie uważa StormCast za zamiennik HRRR i innych zasobów, ale za ich uzupełnienie lub potencjalnie dobry punkt wyjścia do prognozowania.
Naukowiec z UW przyznaje, że Wielki Jonatanjednemu z jego byłych studentów i współautorowi publikacji z 2019 r., za pomoc w uświadomieniu mu potencjału sztucznej inteligencji w nauce o atmosferze. Trzecim autorem artykułu był Bogaty Caruananaukowiec z Microsoft Research.
„Zdecydowanie byliśmy na prowadzeniu” – powiedział Durran. To, co dzieje się teraz, dodał, „jest bardzo ekscytujące”.
