Googleov AI bolji u vremenskoj prognozi od superračunala
- Objavljeno u Znanost
Google je predstavio GraphCastAI model koji može, kako tvrde, napraviti srednje vremenske prognoze s neviđenom preciznošću. GraphCast predviđa vremenske uvjete do 10 dana unaprijed točnije i puno brže od standardnog sustava za simulaciju vremena – High Resolution Forecast (HRES), kojeg proizvodi Europski centar za srednjeročne vremenske prognoze (ECMWF).
GraphCast također može ponuditi ranija upozorenja o ekstremnim vremenskim prilikama, predvidjeti tragove ciklona s velikom točnošću dalje u budućnost, identificira rizike od poplava i predviđa početak ekstremnih temperatura.
Googleov model već koriste meteorološke agencije, uključujući ECMWF, koji na svojoj web stranici provodi eksperiment uživo s prognozama Googleovog modela.
GraphCast je obučen na desetljećima povijesnih vremenskih podataka kako bi naučio model uzročno-posljedičnih odnosa koji upravljaju razvojem vremena na Zemlji, od sadašnjosti do budućnosti.
Ova se zbirka podataka temelji na povijesnim promatranjima vremena kao što su satelitske slike, radar i meteorološke stanice koje koriste tradicionalni NWP za 'popunjavanje praznina' tamo gdje su promatranja nepotpuna, kako bi se rekonstruirala bogata evidencija globalnog povijesnog vremena.
GraphCast pravi prognoze u visokoj rezoluciji od 0,25 stupnjeva dužine/širine (28 km x 28 km na ekvatoru). To je više od milijun točaka mreže koje pokrivaju cijelu Zemljinu površinu. Na svakoj točki mreže model predviđa pet varijabli na površini Zemlje – uključujući temperaturu, brzinu i smjer vjetra i srednji tlak na razini mora te šest atmosferskih varijabli na svakoj od 37 razina nadmorske visine, uključujući specifičnu vlažnost, brzinu i smjer vjetra i temperatura.
Izrada 10-dnevnih prognoza s GraphCastom traje manje od minute na jednom Google TPU v4 stroju. Za usporedbu, 10-dnevna prognoza koja koristi konvencionalni pristup, kao što je HRES, može uzeti sate računanja u superračunalnom klasteru sa stotinama strojeva.
Za unose, GraphCast zahtijeva samo dva skupa podataka: stanje vremena prije 6 sati i trenutno stanje vremena. Model zatim predviđa vrijeme 6 sati u budućnosti. Ovaj se postupak zatim može pomicati u koracima od 6 sati kako bi se pružile najsuvremenije prognoze do 10 dana unaprijed.
Istraživanje objavljeno u časopisu Science možete pronaći na ovoj poveznici.