Ο καιρός επηρεάζει όλους μας — διαμορφώνοντας τις αποφάσεις μας, την ασφάλειά μας και τον τρόπο ζωής μας. Καθώς η κλιματική αλλαγή οδηγεί σε πιο ακραία καιρικά φαινόμενα, οι ακριβείς και αξιόπιστες προβλέψεις είναι πιο απαραίτητες από ποτέ. Ωστόσο, ο καιρός δεν μπορεί να προβλεφθεί τέλεια και οι προβλέψεις είναι ιδιαίτερα αβέβαιες ύστερα από μερικές ημέρες.
Επειδή δεν είναι δυνατή η τέλεια πρόγνωση του καιρού, οι επιστήμονες και οι μετεωρολογικοί οργανισμοί χρησιμοποιούν πιθανολογικές συνολικές προβλέψεις, όπου το μοντέλο προβλέπει μια σειρά πιθανών σεναρίων καιρού. Τέτοιες συνολικές προβλέψεις είναι πιο χρήσιμες από το να βασίζονται σε μία μόνο πρόβλεψη, καθώς παρέχουν στους υπεύθυνους λήψης αποφάσεων μια πληρέστερη εικόνα των πιθανών καιρικών συνθηκών τις επόμενες ημέρες και εβδομάδες και πόσο πιθανό είναι κάθε σενάριο.
Πρόσφατα, σε μια εργασία που δημοσιεύθηκε στο Nature, παρουσιάστηκε το GenCast, το νέο μοντέλο υψηλής ανάλυσης (0,25°) AI ensemble. Το GenCast παρέχει καλύτερες προβλέψεις τόσο για τις καθημερινές καιρικές συνθήκες όσο και για τα ακραία φαινόμενα από το κορυφαίο επιχειρησιακό σύστημα, το ENS του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Μετεωρολογικών Προγνώσεων (ECMWF), έως και 15 ημέρες νωρίτερα.
Η εξέλιξη των μοντέλων καιρού της τεχνητής νοημοσύνης
Το GenCast σηματοδοτεί μια κρίσιμη πρόοδο στην πρόγνωση του καιρού με βάση την τεχνητή νοημοσύνη που βασίζεται στα προηγούμενα μοντέλα καιρού, τα οποία ήταν ντετερμινιστικά και παρείχαν μια ενιαία εκτίμηση του μελλοντικού καιρού. Αντίθετα, η πρόβλεψη με το GenCast περιλαμβάνει ένα σύνολο 50 ή περισσότερων προβλέψεων, καθεμία από τις οποίες αντιπροσωπεύει μια πιθανή πορεία του καιρού.
Το GenCast είναι ένα μοντέλο διάχυσης, το είδος του παραγωγικού μοντέλου τεχνητής νοημοσύνης που υποστηρίζει τις πρόσφατες, ταχείες εξελίξεις στη δημιουργία εικόνας, βίντεο και μουσικής. Ωστόσο, το GenCast διαφέρει από αυτά, καθώς είναι προσαρμοσμένο στη σφαιρική γεωμετρία της Γης και μαθαίνει να παράγει με ακρίβεια τη σύνθετη κατανομή πιθανότητας των μελλοντικών σεναρίων καιρού όταν λαμβάνει ως είσοδο την πιο πρόσφατη κατάσταση του καιρού.
Για να εκπαιδευτεί το GenCast, οι επιστήμονες εισήγαγαν ιστορικά δεδομένα καιρού τεσσάρων δεκαετιών από το αρχείο ERA5 του ECMWF. Αυτά τα δεδομένα περιλαμβάνουν μεταβλητές όπως η θερμοκρασία, η ταχύτητα του ανέμου και η πίεση σε διάφορα υψόμετρα. Το μοντέλο έμαθε τα παγκόσμια καιρικά φαινόμενα, σε ανάλυση 0,25° απευθείας από αυτά τα επεξεργασμένα δεδομένα καιρού.
Θέτοντας ένα νέο πρότυπο για την πρόγνωση του καιρού
Για να αξιολογηθεί αυστηρά η απόδοση του GenCast, εκπαιδεύτηκε πάνω σε πραγματικά ιστορικά δεδομένα καιρού μέχρι το 2018 και δοκιμάστηκε σε δεδομένα από το 2019 και μετά. Το GenCast έδειξε καλύτερη ικανότητα πρόβλεψης από το ENS του ECMWF, το κορυφαίο επιχειρησιακό σύστημα πρόβλεψης συνόλου από το οποίο εξαρτώνται καθημερινά πολλές εθνικές και τοπικές αποφάσεις.
Δοκιμάστηκαν διεξοδικά και τα δύο συστήματα και εξετάστηκαν προβλέψεις διαφορετικών μεταβλητών σε διαφορετικούς χρόνους παράδοσης (1320 συνδυασμοί συνολικά). Το GenCast ήταν πιο ακριβές από το ENS στο 97,2% αυτών των στόχων και στο 99,8% σε χρόνους μεγαλύτερους από 36 ώρες.
Μια πρόβλεψη συνόλου εκφράζει αβεβαιότητα κάνοντας πολλαπλές προβλέψεις που αντιπροσωπεύουν διαφορετικά πιθανά σενάρια. Εάν οι περισσότερες προβλέψεις δείχνουν έναν κυκλώνα να χτυπά την ίδια περιοχή, η αβεβαιότητα είναι χαμηλή. Αλλά αν προβλέπουν διαφορετικές τοποθεσίες, η αβεβαιότητα είναι υψηλότερη. Το GenCast επιτυγχάνει τη σωστή ισορροπία, αποφεύγοντας τόσο την υπερεκτίμηση όσο και την υποτίμηση της εμπιστοσύνης της στις προβλέψεις της.
Χρειάστηκε μόνο ένα Google Cloud TPU v5 μόλις 8 λεπτά για να παράγει μια πρόβλεψη 15 ημερών στο σύνολο του GenCast. Οι παραδοσιακές προβλέψεις συνόλου που βασίζονται στη φυσική, όπως αυτές που παράγονται από το ENS, σε ανάλυση 0,2° ή 0,1°, χρειάζονται ώρες σε έναν υπερυπολογιστή με δεκάδες χιλιάδες επεξεργαστές.
Σύνθετες προβλέψεις για ακραία καιρικά φαινόμενα
Οι πιο ακριβείς προβλέψεις των κινδύνων ακραίων καιρικών φαινομένων μπορούν να βοηθήσουν τις πολιτικές υπηρεσίες να διαφυλάξουν περισσότερες ζωές, να αποτρέψουν ζημιές και να εξοικονομήσουν χρήματα. Όταν δοκιμάστηκε η ικανότητα του GenCast να προβλέπει την υπερβολική ζέστη και το κρύο και τις υψηλές ταχύτητες ανέμου, το GenCast υπερέβη σταθερά το ENS.
Οι καλύτερες προβλέψεις θα μπορούσαν επίσης να διαδραματίσουν βασικό ρόλο σε άλλες πτυχές της κοινωνίας, όπως ο σχεδιασμός των ανανεώσιμων πηγών ενέργειας. Για παράδειγμα, οι βελτιώσεις στην πρόβλεψη της αιολικής ενέργειας αυξάνουν άμεσα την αξιοπιστία της αιολικής ενέργειας ως πηγής βιώσιμης ενέργειας και ενδεχομένως θα επιταχύνουν την υιοθέτησή της.
Προβλέψεις επόμενης γενιάς και κατανόηση του κλίματος
Το GenCast αποτελεί μέρος της αναπτυσσόμενης σουίτας μοντέλων καιρού που βασίζονται στην τεχνητή νοημοσύνη επόμενης γενιάς της Google, συμπεριλαμβανομένων των ντετερμινιστικών προβλέψεων μεσαίου εύρους που βασίζονται στην τεχνητή νοημοσύνη της Google DeepMind και των μοντέλων NeuralGCM, SEEDS και Floods της Google Research. Αυτά τα μοντέλα αρχίζουν να τροφοδοτούν τις εμπειρίες των χρηστών στην Αναζήτηση και τους Χάρτες Google και βελτιώνουν την πρόβλεψη των βροχοπτώσεων, των πυρκαγιών, των πλημμυρών και της ακραίας ζέστης.
Η Google δηλώνει πρόθυμη να συνεργαστεί με την ευρύτερη κοινότητα του καιρού, συμπεριλαμβανομένων ακαδημαϊκών ερευνητών, μετεωρολόγων, επιστημόνων δεδομένων, εταιρειών ανανεώσιμων πηγών ενέργειας και οργανισμών που επικεντρώνονται στην επισιτιστική ασφάλεια και την αντιμετώπιση καταστροφών. Τέτοιες συνεργασίες προσφέρουν βαθιά γνώση και εποικοδομητική ανατροφοδότηση, καθώς και ανεκτίμητες ευκαιρίες για εμπορικό και μη εμπορικό αντίκτυπο, οι οποίες είναι κρίσιμες για την αποστολή της εταιρείας να εφαρμόζει τα μοντέλα της προς όφελος της ανθρωπότητας.
Πηγή: Google
Ο Γιώργος Καρακούτας είναι ηλεκτρολόγος μηχανικός.