Egyre többet hallani arról, hogy a mesterséges intelligencia az időjárás-előrejelzések terén is megvetheti a lábát. A Google, a Microsoft és több más technológiai vállalat is fejlesztett már olyan nyelvi modellt, mely az időjárás-előrejelzésre, vagy az extrém időjárási események prognosztizálására van kihegyezve – ezek az első tesztek alapján ígéretesek, esetenként a hagyományos időjárási modelleket is túlszárnyalják, de azért még érik kritikák is az MI-alapú technológiát.

Egy (még) újabb megközelítés azonban még közelebb hozhatja az MI-t és a hagyományos időjárási modelleket. Mármint, konkrétan: a Google ugyanis egy új fejlesztésében a hagyományos időjárás-előrejelző technológiát ötvözte a gépi tanulással. Az eredmény egy olyan „hibrid” számítógépes modell, mely felülmúlja a többi MI-alapú eszközt az időjárás-előrejelzésekben, valamint az éghajlati események prognosztizálásában. Ezt NeuralGCM-nek nevezték el.

A Nature tudományos folyóiratban frissen leírt eszköz az első olyan gépi tanuláson alapuló modell, mely képes több lehetséges forgatókönyvet is felvázolni az időjárással kapcsolatban. Ezen túlmenően az új, hibrid technológia a hagyományos időjárási modelleknél gyorsabb, valamint kevesebb energiát is igényel – a kizárólag MI-alapúaknál pedig részletesebb eredményekkel tud szolgálni.

A hagyományos, a meteorológiában jelenleg is használt megoldások a fizikai törvényei alapján szimulálják a légkörben és az óceánokban végbemenő folyamatokat, és vázolják fel, hogy ezek miként befolyásolják az időjárást – vagy éppen az éghajlatot.

Stephan Hoyer, a tanulmány társszerzője, a Google Research gépitanulás-hallgatója elmondta: „Több terrabájtnyi, vagy petabájtnyi történelmi időjárási adattal rendelkezünk. Az ezekben lévő mintázatokból tanulva jobb modelleket fejleszthetünk”.

A NeuralGCM azáltal, hogy kiegészíti a hagyományos, fizikai modellek képességeit „néhány MI-komponenssel”, képes rövid- és hosszútávú előrejelzéseket, valamint az éghajlatot érintő prognózisokat készíteni. Hogy ellenőrizzék, mennyire pontos, az előrejelzéseket összevetették fizikai és tisztán gépi tanuláson alapuló modellek eredményeivel, valamint valós adatokkal is.

Mint kiderült: a NeuralGCM pontos rövidtávú időjárás-előrejelzéseket tud készíteni akár három napra előre is, miközben a hagyományos fizikai modellek által igényelt energia töredékére volt szüksége. A tisztán gépi modelleknél pedig lényegesen kevesebb hibát vétett a hét napon túli prognózisok terén.

Az eredményei nagyon hasonlóak voltak az időjárás-előrejelzés aranysztenderdjeként számon tartott ECMWF-ENS modelléhez.

A kutatók azt is megvizsgálták, hogy a NeuralGCM mennyire teljesít jól a különféle időjárási jelenségek, például a trópusi ciklonok előrejelzésében. Ennek során kiderült: sok gépitanulás-modell következetlen és pontatlan előrejelzést adott, szemben az ECMWF-ENS-szel és a NeuralGCM-mel. Utóbbit a szakemberek az ultranagy felbontású klímamodellekkel is összevetették, és úgy találták, a hibrid modell realisztikusabban tudja előre jelezni a ciklonok kialakulását és irányát. Ráadásul gyorsabb is.

Ez a képesség fontos lehet abban, hogy az illetékesek időben meg tudják hozni a megfelelő döntéseket egy extrém időjárási esemény előtt. A kutatók célja most a NeuralGCM további finomítása. Ehhez a földtudomány még több aspektusát szeretnék beépíteni a modellbe, hogy az még pontosabb legyen a jövőben.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.