В октябре 2025 года над Карибским морем разразился шторм. Метеорологические модели расходились в прогнозах его траектории. Останется ли он слабым и достигнет Гаити или усилится и направится к Ямайке? Модель искусственного интеллекта WeatherNext, разработанная Google DeepMind и Google Research, выбрала второй вариант. За пять дней до выхода на сушу она предсказала с 80-процентной уверенностью, что штормовая система обрушится на Ямайку как ураган 5-й категории.
Ураган Мелисса оказался катастрофическим, вызвав наводнения и оползни по всей Ямайке. Но модель ИИ помогла синоптикам заранее предупредить население на пути стихии, чтобы люди могли лучше подготовиться.
В статье, опубликованной в четверг в журнале Nature, исследователи показывают, что модель ИИ WeatherNext способна предсказывать циклоны с беспрецедентной точностью. В среднем она дает синоптикам на день больше времени на подготовку, чем существующие модели; это означает, что ее прогнозы на три дня вперед так же точны, как прогнозы предыдущих моделей на два дня. На практике этот дополнительный день может значить очень много.
«Даже несколько часов могут иметь значение», — говорит Майк Бреннан, директор Национального центра по ураганам США. Организация эвакуаций, размещение запасов и переброска ресурсов для реагирования на угрозу урагана — все это задачи, чувствительные ко времени, и неверное решение может иметь серьезные последствия. «Время действительно на вес золота, когда речь идет о таких решениях, поэтому возможность повысить точность прогнозов на целый день по сравнению с тем, что мы могли делать раньше, очень ценна», — говорит он.
Исторически для того, чтобы сдвинуть прогнозы на день вперед, потребовалось бы десятилетие работы, отмечают исследователи.
Моделирование экстремальных событий может быть сложной задачей для ИИ. Машинное обучение требует большого объема обучающих данных для составления будущих прогнозов, но экстремальные явления по своей природе редки. «У нас не так много данных о циклонах, но у нас много данных о погоде, — говорит Ферран Алет, научный сотрудник Google DeepMind и один из ведущих авторов статьи. — Поэтому мы обучили модель быть хорошей как в прогнозировании погоды, так и циклонов».
Ураганы особенно трудно прогнозировать, потому что они действуют в нескольких пространственных масштабах, говорит Кейт Масгрейв, руководитель группы тропических циклонов в Кооперативном институте исследований атмосферы и соавтор статьи. Прогнозирование траектории шторма — направления его движения — требует данных о погоде в глобальном масштабе, включая информацию о расположении холодных фронтов и преобладающих ветрах. Однако прогнозирование интенсивности шторма требует гораздо более мелкомасштабных данных, сфокусированных конкретно на локальных атмосферных и океанических условиях.
«Это то, что мы просто не получаем от глобальных моделей», — говорит Масгрейв. В то время как более ранние модели ИИ хорошо справлялись с прогнозированием траектории шторма, «интенсивность они вообще не могли предсказывать хорошо».
Критически важно прогнозировать и то, и другое: изменение интенсивности может означать разницу между относительно слабым штормом и мощным ураганом. Иногда — как в случае с ураганом Мелисса — штормовая система может быстро усиливаться, превращаясь в чрезвычайную ситуацию за одну ночь. Мелисса стала первым случаем, когда Национальный центр по ураганам смог предсказать ураган 5-й категории, когда шторм находился лишь на стадии 1-й категории.
До того как модель WeatherNext была использована в оперативных прогнозах, исследователи тестировали ее на ретроспективных данных. «Результаты были настолько хороши, что мы сомневались, увидим ли мы то же самое в реальном времени», — говорит Масгрейв. Но когда синоптики начали внедрять модель в свою работу, эта эффективность подтвердилась. «Думаю, все были удивлены тем, насколько хорошо она сработала», — добавляет Масгрейв.
Даже исследователи DeepMind, работающие над моделью, не до конца понимают, как ИИ-модель выдает такие точные прогнозы, учитывая, что она использует данные об атмосфере гораздо более низкого разрешения, чем требуется традиционным моделям для прогнозирования интенсивности шторма. «Когда мы рассказали сообществу, что наша модель использует только относительно грубое разрешение, они были шокированы, потому что это означает, что входные данные низкого разрешения улавливают больше сигналов о том, что произойдет, чем считалось ранее», — говорит Алет.
Модель ИИ, должно быть, улавливает что-то в данных низкого разрешения, что позволяет ей делать прогнозы об интенсивности шторма, но исследователи не знают, что именно. «В конечном счете это черный ящик, но это дает физикам сигнал о том, что происходит нечто, ранее не изученное», — говорит Алет.
Модель не выдает один прогноз; она генерирует ряд потенциальных сценариев развития шторма. Это помогает учесть возможный «эффект бабочки», говорит Алет, когда небольшое отклонение от тенденции может привести к гораздо более серьезным изменениям в дальнейшем. Синоптики могут использовать эти результаты наряду с результатами других моделей для составления своих прогнозов о том, как, вероятно, будет развиваться штормовая система. В прошлом году модель ИИ создавала 50 сценариев на каждый шторм; теперь она генерирует 1000.
«Это то, что с нашей вычислительной мощностью мы просто не можем сделать с помощью существующих численных моделей», — говорит Масгрейв.
Бреннан называет модель DeepMind отличным новым инструментом в арсенале синоптиков, но подчеркивает, что это лишь один из многих. «Нет гарантии, что одна модель, потому что она хорошо показала себя в прошлом году или действительно хорошо сработала для этого конкретного шторма, обязательно будет лучшей для следующего сезона или следующего шторма», — говорит он. Человеческий фактор, добавляет он, по-прежнему критически важен. «Ураган — это не просто прогноз траектории или интенсивности, — говорит он. — Требуются эксперты, чтобы перевести это в прогноз последствий — и именно последствия убивают людей».
Google DeepMind также объявила, что открывает исходный код моделей WeatherNext, использовавшихся в сезон ураганов, чтобы исследователи могли использовать и улучшать их. Алет надеется, что открытие моделей для исследовательского сообщества поможет получить новые знания о том, как работают циклоны.
«Я очень взволнован научными открытиями, — говорит он. — Я считаю, что ИИ дает нам новые инструменты для изучения законов Вселенной».
Эта история первоначально появилась на wired.com.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Victoria Turk, wired.com
