Прорыв компании DeepMind в области изучения ураганов удивил метеорологов.

Модель WeatherNext с открытым исходным кодом может делать точные прогнозы даже при использовании метеорологических данных с более низким разрешением.

Фото: Дж. Маршалл/НАСА/ЕКА/Т. Песке/Алами Авторы: Дж. Маршалл/НАСА/ЕКА/Т. Песке/Алами

В октябре 2025 года над Карибским морем сформировался шторм. Метеорологические модели расходились во мнениях относительно его траектории. Останется ли он слабым и достигнет Гаити, или же усилится и направится к Ямайке? Модель искусственного интеллекта WeatherNext, разработанная DeepMind и Google Research, склонялась ко второму варианту. За пять дней до выхода на сушу она с 80-процентной уверенностью предсказала, что штормовая система обрушится на Ямайку как ураган 5-й категории.

Ураган Мелисса был катастрофическим, вызвав наводнения и оползни по всей Ямайке. Но модель искусственного интеллекта помогла синоптикам заблаговременно предупредить населенные пункты, находящиеся на его пути, чтобы они могли лучше подготовиться.

В статье, опубликованной в четверг в журнале Nature, исследователи показали, что модель искусственного интеллекта WeatherNext может прогнозировать циклоны с беспрецедентной точностью. В среднем, она дает синоптикам на день больше времени для прогнозирования, чем существующие модели; это означает, что ее прогнозы на три дня вперед так же точны, как и прогнозы предыдущих моделей на два дня вперед. На практике этот дополнительный день может иметь большое значение.

«Даже несколько часов могут иметь значение», — говорит Майк Бреннан, директор Национального центра по ураганам США. Организация эвакуации, подготовка запасов и перемещение ресурсов для реагирования на угрозу урагана — все это задачи, требующие оперативного решения, и неправильный выбор может иметь серьезные последствия. «Время действительно бесценно, когда речь идет о таких решениях, поэтому возможность повысить точность прогноза на сутки по сравнению с тем, что мы могли сделать раньше, очень ценна», — говорит он.

Как утверждают исследователи, исторически для того, чтобы спрогнозировать будущее на день вперед, требовалось десятилетие работы.

Моделирование экстремальных явлений может быть сложной задачей для ИИ. Машинному обучению требуется большое количество обучающих данных для прогнозирования будущих событий, 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, которая хорошо справляется как с прогнозированием погоды, так и с прогнозированием циклонов».

Ураганы особенно сложно предсказать, поскольку они действуют в нескольких пространственных масштабах, говорит Кейт Масгрейв, руководитель группы по тропическим циклонам в Кооперативном институте исследований атмосферы и один из авторов статьи. Для прогнозирования траектории шторма — направления его движения — необходимы данные о погоде в глобальном масштабе, включая информацию о местоположении холодных фронтов и преобладающих ветрах. Однако для прогнозирования интенсивности шторма требуются данные гораздо меньшего масштаба, сфокусированные именно на местных атмосферных и океанических условиях.

«Этого мы просто не получаем от этих глобальных моделей», — говорит Масгрейв. Хотя более ранние модели ИИ хорошо справлялись с прогнозированием траектории шторма, «с интенсивностью они справлялись совершенно плохо».

Крайне важно прогнозировать и то, и другое: изменение интенсивности может означать разницу между относительно слабым штормом и крупным ураганом. Иногда — как в случае с ураганом Мелисса — штормовая система может быстро усилиться, превратившись в чрезвычайную ситуацию за одну ночь. Мелисса стала первым случаем, когда Национальный центр по наблюдению за ураганами смог предсказать ураган 5-й категории, когда шторм находился лишь на стадии 1-й категории.

Прежде чем модель WeatherNext была использована в прогнозах погоды в режиме реального времени, исследователи протестировали ее на ретроспективных данных. «Результаты были настолько хорошими, что мы скептически относились к возможности увидеть это в реальных условиях», — говорит Масгрейв. Но когда синоптики начали внедрять модель в свою работу, эти результаты подтвердились. «Думаю, все были удивлены тем, насколько хорошо она себя показала», — говорит Масгрейв.

Даже исследователи DeepMind, работающие над моделью, не до конца понимают, как модель ИИ выдает такие точные прогнозы, учитывая, что она использует атмосферные данные гораздо более низкого разрешения, чем те, которые требуются традиционным моделям для прогнозирования интенсивности штормов. «Когда мы сказали сообществу, что наша модель использует только относительно низкое разрешение, они были шокированы, потому что это означает, что входные данные с более низким разрешением улавливают больше информации о том, что произойдет, чем считалось ранее», — говорит Алет.

Модель ИИ, по-видимому, улавливает что-то в данных с более низким разрешением, что позволяет ей делать прогнозы об интенсивности штормов, но исследователи не знают, что именно. «В конечном итоге это черный ящик, но он дает физикам сигнал о том, что происходит нечто, что ранее не было понято», — говорит Алет.

Модель не просто выдает один прогноз; она создает ряд потенциальных сценариев развития шторма. Это помогает учесть любой потенциальный «эффект бабочки», говорит Алет, когда небольшое отклонение от тренда может привести к гораздо большим изменениям в будущем. Синоптики могут использовать эти результаты, наряду с результатами других моделей, для составления прогнозов о том, как, вероятно, будет развиваться штормовая система. В прошлом году модель ИИ создавала 50 сценариев для каждого шторма; теперь она генерирует 1000.

«С нашими вычислительными мощностями мы просто не можем этого сделать с помощью существующих численных моделей», — говорит Масгрейв.

Бреннан говорит, что модель DeepMind — это отличный новый инструмент в арсенале синоптиков, но подчеркивает, что это лишь один из многих. «Нет никакой гарантии, что одна модель, которая хорошо показала себя в прошлом году или действительно хорошо сработала для этого конкретного шторма, обязательно будет лучшей моделью для следующего сезона или следующего шторма», — говорит он. Человеческий фактор, добавляет он, по-прежнему имеет решающее значение. «Ураган — это не просто прогноз траектории или интенсивности», — говорит он. «Для того чтобы перевести это в то, какими будут последствия, требуются эксперты — а именно последствия приводят к гибели людей».

Компания Google DeepMind также объявила о том, что открывает исходный код моделей WeatherNext, используемых во время сезона ураганов, чтобы исследователи могли использовать и улучшать их. Алет надеется, что предоставление доступа к моделям исследовательскому сообществу поможет получить новые данные о том, как работают циклоны.

«Я очень воодушевлен научными открытиями, — говорит он. — Я думаю, что искусственный интеллект дает нам новые инструменты для изучения законов Вселенной».

Эта статья первоначально была опубликована на сайте wired.com.

Источник: arstechnica.com