Моделът NeuralGCM съчетава AI и съвременна физика за изготвяне на прецизни глобални прогнози

В момента най-добрият модел за прогнозиране на времето в света е Общият циркулационен модел (GCM), създаден от Европейския център за средносрочни метеорологични прогнози. GCM отчасти се базира на код, който изчислява физиката на различните атмосферни процеси, които вече разбираме много добре. За голяма част от останалото GCM разчитат на така наречената „параметризация“, която се опитва да използва емпирично определени връзки, за да се приближи до това, което се случва с процесите, при които не разбираме напълно физиката на климата.

Напоследък GCM се сблъскват с конкуренцията на техниките за машинно обучение, които тренират AI системи за разпознаване на закономерностите и моделите в метеорологичните данни и ги използват за прогнозиране на условията, които ще настъпят през следващите няколко дни. Техните прогнози обаче са склонни да бъдат малко неясни след повече от няколко дни и не могат да се справят с дългосрочните фактори, които трябва да се вземат предвид, когато GCM моделите се използват за изследване на изменението на климата.

Изданието Ars Technica съобщава, че в началото на тази седмица екип от групата за изкуствен интелект на Google и Европейския център за средносрочни метеорологични прогнози са представили NeuralGCM - система, която съчетава базираната на физиката атмосферна циркулация с параметризиране на другите метеорологични влияния с помощта на изкуствен интелект. NeuralGCM е изчислително ефективна и се представя много добре в сравнителните тестове за прогнозиране на времето. Поразително е, че тя може да дава много приемливи резултати и за операции, които обхващат десетилетия, което потенциално ѝ позволява да отговори на някои важни за климата въпроси. Въпреки че не може да се справи с много от нещата, за които използваме климатичните модели, но пък има някои очевидни пътища за потенциални подобрения.

Да се запознаем с NeuralGCM

NeuralGCM е система, състояща се от две части. Използва се така нареченото от изследователите „динамично ядро“, което се занимава с физиката на широкомащабната атмосферна конвекция и взема предвид основните физични принципи като гравитация и термодинамика. С всичко останало се занимава AI частта.

От решаващо значение е, че цялата система се обучава едновременно, вместо ИИ да се обучава отделно от физичното ядро. Първоначално оценките на производителността и актуализациите на невронната мрежа се извършваха на шестчасови интервали, тъй като системата не е много стабилна, докато не бъде поне частично обучена. С течение на времето тези интервали се увеличиха до пет дни.

Резултатът е система, която е конкурентна на най-добрите налични прогнозни системи за период до 10 дни, като често надминава конкуренцията в зависимост от използвания точен показател.

Времето срещу климата

Все пак, въпреки че климатът е в процес на развитие, важно е да се помни, че NeuralGCM е много добър в използването на метеорологичните данни, на които е обучен, за прогнозиране. „Най-ясният пример, който имаме за това как нашият модел е значително подобрение спрямо съществуващите модели, вероятно той ще бъде използван за груповото прогнозиране на времето, защото има наистина добри критерии за прогнозите и има наистина ясно установен най-добър модел“, казва Хойер. „Това е първият модел с изкуствен интелект, който е в състояние да подобри и непрекъснато да подобрява точността си в сравнение с досега използваните модели за прогнозиране на времето."