Η Google κυκλοφόρησε ένα μοντέλο τεχνητής νοημοσύνης (AI) που ισχυρίζεται ότι μπορεί να δημιουργήσει ακριβείς καιρικές προβλέψεις σε κλίμακα - ενώ είναι φθηνότερο από τις συμβατικές προβλέψεις που βασίζονται στη φυσική.
Το μοντέλο Scalable Ensemble Envelope Diffusion Sampler (SEEDS) έχει σχεδιαστεί σε Μεγάλο γλωσσικό μοντέλο(LLM) όπως το ChatGPT και τα εργαλεία δημιουργίας AI όπως το Sora - το οποίο δημιουργεί βίντεο από μηνύματα κειμένου.
Το SEEDS δημιουργεί πολλά σύνολα - ή πολλά σενάρια καιρού - πολύ πιο γρήγορα και φθηνότερα από ό,τι μπορούν τα παραδοσιακά μοντέλα πρόβλεψης.
Η ομάδα περιέγραψε τα ευρήματά της σε μια εργασία που δημοσιεύτηκε στις 29 Μαρτίου στο περιοδικό Science Advances .
Ο καιρός είναι δύσκολο να προβλεφθεί, με πολλές μεταβλητές που μπορούν να οδηγήσουν σε δυνητικά καταστροφικά καιρικά φαινόμενα - από τυφώνες μέχρι κύματα καύσωνα.
Καθώς η κλιματική αλλαγή επιδεινώνεται και τα ακραία καιρικά φαινόμενα γίνονται πιο συνηθισμένα, η ακριβής πρόβλεψη του καιρού μπορεί να σώσει ζωές, δίνοντας στους ανθρώπους χρόνο να προετοιμαστούν για τις χειρότερες επιπτώσεις των φυσικών καταστροφών.
Οι προβλέψεις με βάση τη φυσική που χρησιμοποιούνται επί του παρόντος από τις μετεωρολογικές υπηρεσίες συλλέγουν διάφορες μετρήσεις και δίνουν μια τελική πρόβλεψη που υπολογίζει τον μέσο όρο πολλών διαφορετικών μοντελοποιημένων προβλέψεων - ή ενός συνόλου - με βάση όλες τις μεταβλητές.
Αντί για μία μόνο πρόβλεψη, η πρόγνωση καιρού βασίζεται σε ένα σύνολο προβλέψεων ανά κύκλο πρόβλεψης που παρέχει μια σειρά από πιθανές μελλοντικές καταστάσεις.
Αυτό σημαίνει ότι οι περισσότερες προβλέψεις καιρού είναι αρκετά ακριβείς για πιο κοινές συνθήκες, όπως ήπιος καιρός ή ζεστές καλοκαιρινές μέρες, αλλά η δημιουργία αρκετών μοντέλων πρόβλεψης για την εύρεση της πιθανής έκβασης ενός ακραίου καιρικού γεγονότος δεν είναι εφικτή από τις περισσότερες υπηρεσίες.
Οι τρέχουσες προβλέψεις χρησιμοποιούν επίσης ντετερμινιστικά ή πιθανοτικά μοντέλα πρόβλεψης, στα οποία οι τυχαίες μεταβλητές εισάγονται στις αρχικές συνθήκες. Αλλά αυτό οδηγεί σε ταχύτατα υψηλότερο ποσοστό σφάλματος - που σημαίνει ότι η ακριβής πρόβλεψη ακραίων καιρικών συνθηκών και καιρού περαιτέρω στο μέλλον είναι δύσκολο να γίνει σωστά.
Τα απρόβλεπτα λάθη στις αρχικές συνθήκες μπορούν επίσης να επηρεάσουν σε μεγάλο βαθμό το αποτέλεσμα της πρόβλεψης, καθώς οι μεταβλητές αυξάνονται εκθετικά με την πάροδο του χρόνου και η μοντελοποίηση αρκετών προβλέψεων για να ληφθούν υπόψη οι μεταβλητές σε τόσο μικρή λεπτομέρεια είναι ακριβή.
Οι επιστήμονες της Google υπολόγισαν ότι χρειάζονται 10.000 προβλέψεις σε ένα μοντέλο για την πρόβλεψη γεγονότων που είναι μόνο 1% πιθανό να συμβούν.
Το SEEDS παράγει μοντέλα πρόβλεψης από φυσικές μετρήσεις που συλλέγονται από μετεωρολογικούς οργανισμούς. Συγκεκριμένα, εξετάζει τις σχέσεις μεταξύ της δυνητικής μονάδας ενέργειας ανά μάζα του πεδίου βαρύτητας της Γης στη μέση της τροπόσφαιρας και της πίεσης της στάθμης της θάλασσας - δύο κοινά μέτρα που χρησιμοποιούνται στην πρόβλεψη.
Οι παραδοσιακές μέθοδοι παράγουν μόνο σύνολα από περίπου 10 έως 50 προβλέψεις. Αλλά χρησιμοποιώντας την τεχνητή νοημοσύνη, η τρέχουσα έκδοση του SEEDS μπορεί να προεκτείνει έως και 31 σύνολα πρόβλεψης με βάση μόνο μία ή δύο «προβλέψεις σποράς» που χρησιμοποιούνται ως δεδομένα εισόδου.
Οι ερευνητές δοκίμασαν το σύστημα μοντελοποιώντας τον ευρωπαϊκό καύσωνα του 2022 χρησιμοποιώντας ιστορικά καιρικά δεδομένα που καταγράφηκαν εκείνη την εποχή.
Μόλις επτά ημέρες πριν από τον καύσωνα, τα δεδομένα πρόβλεψης του επιχειρησιακού συνόλου των ΗΠΑ δεν έδωσαν ένδειξη ότι ένα τέτοιο γεγονός ήταν στον ορίζοντα, ανέφεραν εκπρόσωποι της Google στην ανάρτηση ιστολογίου της ερευνητικής της πύλης.
Πρόσθεσαν ότι τα σύνολα με λιγότερες από 100 προβλέψεις - κάτι που είναι κάτι παραπάνω από συμβατικό θα το είχαν χάσει.
Οι επιστήμονες περιέγραψαν το υπολογιστικό κόστος που σχετίζεται με την εκτέλεση υπολογισμών με SEEDS ως «αμελητέο» σε σύγκριση με τις σημερινές μεθόδους. Η Google λέει ότι το σύστημα τεχνητής νοημοσύνης είχε επίσης 256 σύνολα για κάθε τρία λεπτά χρόνου επεξεργασίας σε ένα δείγμα αρχιτεκτονικής Google Cloud - η οποία μπορεί να κλιμακωθεί εύκολα με τη στρατολόγηση περισσότερων επιταχυντών.