• Программа ИИ GraphCast от DeepMind точно предсказала выход урагана Берил на сушу в Техасе, опередив традиционные методы прогнозирования.
  • Эта технология обеспечивает быстрые и точные прогнозы погоды и способна изменить практику метеопрогнозирования во всём мире.

НАШЕ МНЕНИЕ
Успех моделей ИИ, таких как GraphCast, в предсказании траектории урагана Берил демонстрирует значительный прогресс в прогнозировании погоды. Такой подход не только ускоряет подготовку прогнозов, но и повышает их точность, предоставляя ценные сведения, которые могут улучшить готовность к стихийным бедствиям и реагирование на них.
— Зой Чжу, корреспондент BTW

Что произошло

Когда в начале июляураган Берилприближался к Карибским островам, традиционные европейские метеорологические службы, опираясь на обширные мировые данные и суперкомпьютеры, прогнозировали возможный выход урагана на сушу в Мексике. Однако модель ИИ, разработаннаяDeepMindи известная какGraphCast, опираясь только на усвоенные ранее модели атмосферы, дала альтернативный прогноз — выход на сушу в Техасе.

Берил обрушился на Техас с разрушительными последствиями: наводнения, отключения электроэнергии и по меньшей мере 36 погибших по состоянию на 8 июля. Точный прогноз модели ИИ, полученный за считанные минуты, показал, куда движется метеопрогнозирование — в сторону более быстрых и точных прогнозов. GraphCast превзошёл традиционные модели Европейского центра среднесрочных прогнозов погоды (ECMWF), точнее предсказав траекторию урагана. Этот результат подчёркивает растущий потенциал ИИ в прогнозировании погоды: GraphCast обучался на четырёх десятилетиях метеорологических данных и способен выдавать прогнозы быстрее, чем обычные суперкомпьютеры.

Читайте также:TSMC повышает прогноз выручки, делая уверенную ставку на бум ИИ

Читайте также:ИИ предсказал чемпиона Английской премьер-лиги, но была ли это просто удача?

Почему это важно

Прогнозы погоды на основе ИИ — это сдвиг парадигмы в метеорологии. Традиционное прогнозирование опирается на суперкомпьютеры и огромные объёмы данных, что требует времени и хуже адаптируется к быстро меняющимся условиям. Модели ИИ, такие как GraphCast, напротив, дают более быстрые и точные прогнозы: они обучаются на исторических данных и распознают закономерности с высокой точностью.

Скорость и точность ИИ-прогнозов могут заметно улучшить готовность к стихийным бедствиям и реагирование на них, потенциально спасая жизни и снижая ущерб во время суровой погоды. Например, более оперативные прогнозы позволяют своевременно эвакуировать людей и принимать более взвешенные решения в сфере общественной безопасности. Кроме того, модели ИИ могут работать на обычных настольных компьютерах, делая передовое прогнозирование доступнее по сравнению с дорогими суперкомпьютерами, которые использовались ранее. Такая доступность способна демократизировать метеопрогнозирование и расширить применение передовых технологий прогнозирования.