⛈️ Prognoza pogody wygenerowana przez AI lepsza od topowego instytutu? ☀️ Tak przynajmniej twierdzą naukowcy z DeepMind. Twierdzą też, że ich wytrenowany model GenCast może działać taniej i szybciej niż tradycyjne obecnie modele prognostyczne. W artykule opublikowanym w Nature ta specjalizująca się w sztucznej inteligencji jednostka Google zaprezentowała wyniki prognoz, które dokładnością pobiły przewidywania modelu ENS od Europejskiego Centrum Średnioterminowych Prognoz Pogody - (European Centre for Medium-Range Weather Forecasts, ECMWF), czołowej międzynarodowej instytucji zajmującej się prognozowaniem pogody. GenCast to model dyfuzyjny, który został wytrenowany na czterech dekadach historycznych danych dotyczących warunków pogodowych od ECMWF. Data końcowa to rok 2018. W opublikowanym artykule porównano natomiast prognozy pogody w okresie do 15 dni dla roku 2019 od GenCast oraz ENS, pokazując że model oparty na generatywnej sztucznej inteligencji był w 97% przypadków dokładniejszy. GenCast ma stać się częścią większego zestawu modeli prognostycznych opartych na AI od Google i będzie wdrażany w ich wyszukiwarkę oraz Google Maps. 💬 Wkrótce udostępnimy prognozy w czasie rzeczywistym oraz dane historyczne z modelu GenCast i wcześniejszych modeli, co umożliwi każdemu integrację tych danych pogodowych z własnymi modelami i procesami badawczymi. Naukowcy twierdzą, że ich model potrzebuje zaledwie 8 minut pracy na jednym Google TPU v5, aby wygenerować prognozę na 15 dni. Tymczasem według DeepMind tradycyjne modele prognostyczne oparte na fizyce, takie jak te produkowane przez ENS, wymagają godzin pracy na superkomputerze z dziesiątkami tysięcy procesorów. 💬 Aby wspierać szerszą współpracę i przyspieszyć badania oraz rozwój w społeczności zajmującej się prognozami pogody i klimatu, udostępniliśmy model GenCast jako model otwarty i opublikowaliśmy jego kod oraz wagi, tak jak zrobiliśmy to dla naszego deterministycznego modelu prognozowania pogody średnioterminowej na poziomie globalnym. Wiadomo, że dokładniejsze prognozy pogody, zwłaszcza tych ekstremalnych zjawisk, mają istotne szerokie znaczenie, więc jeśli prognozy GenCast publikowane już w czasie rzeczywistym będą faktycznie skuteczniejsze niż te z tradycyjnych modeli, to byłby to ważny krok naprzód. Z bloga DeepMind: 🔸 W eksperymencie dowodowym, który analizował prognozy całkowitej mocy wiatrowej generowanej przez grupy farm wiatrowych na całym świecie, GenCast okazał się dokładniejszy niż ENS. 🔸 Bardziej dokładne prognozy ryzyka ekstremalnych zjawisk pogodowych mogą pomóc władzom chronić więcej żyć, zapobiegać szkodom i oszczędzać pieniądze. Kiedy testowaliśmy zdolność modelu GenCast do prognozowania ekstremalnych upałów i zimna oraz wysokich prędkości wiatru, GenCast konsekwentnie przewyższał ENS. 🔸 Lepsze prognozy mogą również odgrywać kluczową rolę w innych aspektach życia społecznego, takich jak planowanie energii odnawialnej. Na przykład, poprawa prognoz energii wiatrowej bezpośrednio zwiększa niezawodność energii wiatrowej jako źródła zrównoważonej energii, a tym samym potencjalnie przyspieszy jej wdrożenie. 🔸 Teraz rozważmy cyklony tropikalne, znane również jako huragany i tajfuny. Lepsze i bardziej zaawansowane ostrzeżenia dotyczące miejsc, gdzie uderzą w ląd, są nieocenione. GenCast dostarcza lepsze prognozy trajektorii tych śmiercionośnych burz. Link: deepmind.google/discover/blo…