Un studiu recent publicat în revista Science a prezentat o descoperire remarcabilă în domeniul prognozelor meteorologice. Cercetătorii de la DeepMind Artificial Intelligence din cadrul Google au dezvoltat un instrument numit GraphCast, care poate prezice vremea pentru 10 zile în doar 60 de secunde.
Acest progres a fost salutat ca fiind un punct de cotitură pentru meteorologie. Programul GraphCast, după cum a explicat cercetătorul Remi Lam de la DeepMind, depășește metodele actuale de prognoză meteo în ceea ce privește viteza și acuratețea.
Analizând caracteristici precum presiunea atmosferică, temperatura, umiditatea și vântul, programul poate face previziuni extrem de precise despre vreme cu până la 10 zile înainte. De fapt, s-a raportat că GraphCast are performanțe mai bune decât cele mai precise sisteme operaționale deterministe în 90% din obiectivele de verificare.
În mod tradițional, previziunile meteorologice s-au bazat pe formule de predicție numerică a vremii (NWP), care sunt ecuații complexe bazate pe fizică.
Aceste ecuații iau în considerare mai multe variabile și utilizează datele colectate de stațiile meteorologice, sateliți și echipamente oceanice pentru a determina traiectoria căldurii, a aerului și a vaporilor de apă la scară globală. Analiștii experți rafinează în continuare datele și algoritmii pentru a oferi prognoze precise.
Cu toate acestea, acest proces necesită mult timp, consumă multă energie și este costisitor. DeepMind a revoluționat această abordare prin utilizarea unor modele de învățare automată antrenate pe baza unor date meteorologice istorice de 39 de ani.
Prin renunțarea la ecuațiile bazate pe fizică, rețeaua neuronală GraphCast poate procesa datele la viteze de 1.000 până la 10.000 de ori mai rapide decât sistemele de prognoză convenționale.
De exemplu, modelul poate genera previziuni meteo pentru următoarele 10 zile în mai puțin de un minut, în timp ce calcularea metodelor tradiționale ar dura ore întregi.
În plus, GraphCast a demonstrat o acuratețe remarcabilă, depășind instrumentele convenționale în peste 99% din măsurătorile din troposferă și depășind 90% din predicțiile la toate nivelurile atmosferei.
Este esențial de remarcat faptul că GraphCast nu excelează în cazul previziunilor foarte localizate, cum ar fi prezicerea șanselor de ploaie într-un anumit cartier. Cu toate acestea, el strălucește atunci când vine vorba de evenimente meteorologice pe suprafețe mari, inclusiv cicloane tropicale și variații neobișnuite de temperatură.
Lam subliniază faptul că GraphCast nu este menit să înlocuiască metodele tradiționale de prognoză meteo, ci mai degrabă poate completa abordările existente. Această descoperire evidențiază potențialul inteligenței artificiale de a face față provocărilor problemelor reale de prognoză și de a îmbunătăți metodele actuale.
Cu toate că mai sunt multe de făcut, această evoluție semnifică un pas înainte semnificativ în domeniul meteorologiei.
