Метеоролог: ИИ и человек будут дополнять друг друга при составлении прогноза погоды
19 октября 2024
15:00
513
Прогнозирование погоды в будущем выиграет от сотрудничества метеорологов и искусственного интеллекта (ИИ), но одно не должно заменять другое, сказал в интервью ČTK Радек Томшу, директор службы прогнозирования Чешского гидрометеорологического института (CHMI). По его словам, сейчас метеорологи используют машинное обучение, то есть модели искусственного интеллекта, чтобы, например, предсказывать туман. Компания Google DeepMind недавно разработала модель под названием GraphCast, которая обещает точные прогнозы на срок до 10 дней вперед. Однако, по словам Томшу, необходимо провести более длительное тестирование, прежде чем модель можно будет использовать в метеорологическом институте.
GraphCast, использующая графовые нейронные сети (ГНС), — это передовая модель прогнозирования погоды, способная давать глобальные прогнозы. Она должна превзойти существующие методы численного прогнозирования. «Машинное обучение и глубокие нейронные сети выявляют закономерности в данных, которые традиционные модели часто не могут уловить», — говорит Томшу. Однако, по его словам, разработка должна пройти долгосрочное тестирование.
«Первые результаты многообещающие, но нам еще предстоит проверить, насколько надежна модель и где могут быть ее слабые места», — сказал он. В настоящее время новая модель проходит испытания в Европейском центре прогнозов погоды средней дальности (ECMWF).
GraphCast обещает значительное повышение точности прогнозов, которая сейчас находится в пределах шести-семи дней. «С помощью цифровых моделей мы получаем прогнозы на семь дней, а с GraphCast — на девять», — говорит Томшу. Однако пока речь идет только о прогнозах некоторых метеорологических элементов, что, по его словам, недостаточно. «Нам нужен более широкий охват и больше сравнений путем тестирования, чтобы понять, актуально ли для нас развитие этой технологии или мы идем по слепому пути», — сказал он.
На этой неделе эксперты из CHMI договорились о дальнейшем расширении и интеграции технологий искусственного интеллекта в институте. «В будущем мы будем еще больше вовлекать искусственный интеллект в нашу научную работу», — сказал он.
GraphCast может подготовить прогноз на 10 дней за одну минуту, в то время как традиционные цифровые модели требуют нескольких часов для расчета. Помимо поверхностных переменных, таких как температура или скорость ветра, она также обрабатывает атмосферные переменные на 37 уровнях высоты. Разработчики модели стараются охватить как можно больше метеорологических элементов, но исследования пока находятся на ранней стадии.
«Первые результаты многообещающие, но нам еще предстоит проверить, насколько надежна модель и где могут быть ее слабые места», — сказал он. В настоящее время новая модель проходит испытания в Европейском центре прогнозов погоды средней дальности (ECMWF).
GraphCast обещает значительное повышение точности прогнозов, которая сейчас находится в пределах шести-семи дней. «С помощью цифровых моделей мы получаем прогнозы на семь дней, а с GraphCast — на девять», — говорит Томшу. Однако пока речь идет только о прогнозах некоторых метеорологических элементов, что, по его словам, недостаточно. «Нам нужен более широкий охват и больше сравнений путем тестирования, чтобы понять, актуально ли для нас развитие этой технологии или мы идем по слепому пути», — сказал он.
На этой неделе эксперты из CHMI договорились о дальнейшем расширении и интеграции технологий искусственного интеллекта в институте. «В будущем мы будем еще больше вовлекать искусственный интеллект в нашу научную работу», — сказал он.
GraphCast может подготовить прогноз на 10 дней за одну минуту, в то время как традиционные цифровые модели требуют нескольких часов для расчета. Помимо поверхностных переменных, таких как температура или скорость ветра, она также обрабатывает атмосферные переменные на 37 уровнях высоты. Разработчики модели стараются охватить как можно больше метеорологических элементов, но исследования пока находятся на ранней стадии.
ЧИТАЙТЕ ПО ТЕМЕ :
.jpg)
