Firma Google DeepMind opracowała algorytm uczenia maszynowego, który według twierdzeń może przewidywać pogodę dokładniej niż obecne metody wykorzystujące superkomputery. Ich model, nazwany GraphCast, wygenerował dokładniejszą prognozę 10-dniową niż system High Resolution Forecast (HRES), używany przez Europejskie Centrum Prognoz Pogody Średnioterminowej (ECMWF). GraphCast, działający na zwykłym komputerze, przewyższył ECMWF w ponad 99% zmiennych pogodowych w 90% z 1,300 testowanych regionów.
Algorytm GraphCast został wytrenowany na 38 latach globalnych danych pogodowych do 2017 roku, a następnie użył danych z 2018 roku do tworzenia prognoz na 10 dni w mniej niż minutę. Mimo że GraphCast przewidział z dużą dokładnością ekstremalne zjawiska pogodowe, takie jak fale upałów, zimna i burze tropikalne, naukowcy zaznaczają, że nie jest on doskonały, ponieważ jego wyniki są generowane w „czarnej skrzynce” – AI nie potrafi wyjaśnić, jak doszło do danego wzorca.
Chociaż model GraphCast wykazuje imponującą wydajność, naukowcy nie widzą go jako zastąpienia obecnie używanych narzędzi. Prognozy regularne są nadal potrzebne do weryfikacji i ustawiania początkowych danych dla każdej prognozy. Algorytmy uczenia maszynowego mogą generować wyniki, których nie są w stanie wyjaśnić, co sprawia, że są podatne na błędy. Mimo to, modele AI mogą uzupełniać inne metody prognozowania i generować szybsze przewidywania, a także pomóc naukowcom zobaczyć zmiany w wzorcach klimatycznych.
Źródło: Live Science
