Google GraphCast използва AI и машинно обучение за да предсказва времето

Google създаде AI базирана прогноза за времето, която предоставя на метеоролозите още един полезен инструмент за работа. Новият модел, GraphCast е създаден от Google DeepMind. Според проучвания на модела, той вече проявява отлични работни способности. Създателите на модела твърдят, че той е по-добър, по-бърз и по-енергийно ефективен от инструментите, които задвижват приложенията за прогноза на времето към момента.

Повечето текущи приложения разчитат на модел за прогнози, известен като „числено прогнозиране на времето“ или ЧПВ. ЧПВ по същество работи чрез използване на данни за текущите метеорологични условия и последващо симулиране на промени въз основа на принципите на термодинамиката, динамиката на флуидите и други разнообразни атмосферни теории.

Въпреки, че се е доказал поне донякъде като точен, този конкретен модел е скъп и изисква тонове изчисления. Със системата си GraphCast, Google доработва традиционният подход, като разглежда исторически данни и след това използва машинно обучение, за да прави прогнози въз основа на случилото се в непосредственото минало.

GraphCast прави прогнозата за времето по-лесна за създаване. Източник на изображението: Vector Tradition / Adobe

Google ще впрегне усилия да усъвършенства вече постигнатото, но като цяло процесът е много по-прост и изисква по-малко изчисления. GraphCast първо разглежда текущото състояние на времето на Земята и след това го сравнява с времето отпреди шест часа. Това му помага да генерира синоптична прогноза на база моделите си за това как биха се променили климатичните условия в часовете и дните напред.

Моделът генерира своите прогнози с перспектива от седем дни. В сравнение с текущият базов модел, използван за средносрочни синоптични прогнози, известен като HRES, Google GraphCast успява значително да надмине HRES на 90% от локациите, в които е бил подложен на тестове.

Освен това, GraphCast показва огромен потенциал за прогнозиране на екстремни метеорологични събития, включително неочаквани температурни промени и тропически циклони. Източник от Google споделя, че не би искал GraphCast да замени традиционните системи, с които метеоролозите работят. Вместо това той може да работи заедно с тях, за да осигури по-точни метеорологични прогнози като цяло.