Модель заранее предсказала усиление «Мелиссы» до 5-й категории и создает до 1 000 сценариев развития шторма, используя атмосферные данные низкого разрешения
Искусственный интеллект018 минут назад
Google DeepMind и Google Research представили новую модель искусственного интеллекта WeatherNext, которая в среднем предоставляет метеорологам дополнительный день точного прогноза по сравнению с существующими моделями для тропических циклонов. Это означает, что прогноз WeatherNext на три дня вперёд в среднем сопоставим по точности с традиционным прогнозом на два дня.
Модель уже была протестирована в оперативной работе метеорологов, и её результаты оказались настолько впечатляющими, что даже разработчики были поражены.
Особенно показательной стала ситуация с ураганом «Мелисса» в октябре 2025 года. За пять дней до того, как шторм достигнул берега, WeatherNext с вероятностью 80% предсказала, что система направится к Ямайке и наберёт силу до урагана 5-й категории. В дальнейшем «Мелисса» действительно обрушилась на Ямайку, вызвав наводнения и оползни. Более ранний прогноз предоставил властям и службам дополнительное время для подготовки эвакуации, запасов и переброски ресурсов.
Для тропических циклонов особенно сложно предсказать одновременно и траекторию, и интенсивность. Движение зависит от процессов на глобальном уровне — например, положения атмосферных фронтов и преобладающих ветров. В то время как мощность урагана определяется значительно более локальными условиями в атмосфере и океане. Ранее существующие ИИ-модели демонстрировали хорошие результаты в прогнозировании траектории, однако значительно хуже справлялись с прогнозом интенсивности.
WeatherNext обучили не только на данных о циклонах, которых относительно немного, но и на гораздо более обширном наборе обычных метеорологических наблюдений. Такой подход позволил модели обучаться одновременно прогнозированию погоды в целом и распознаванию развития тропических циклонов. При этом исследователей особенно удивило то, что WeatherNext использует атмосферные данные сравнительно низкого разрешения, в то время как традиционные модели требуют более детализированной информации для прогнозирования силы ураганов. Это указывает на то, что крупномасштабные данные могут содержать больше информации о будущем усилении циклона, чем предполагалось ранее, хотя конкретный механизм пока не установлен.
Вместо единственного прогноза WeatherNext генерирует множество возможных сценариев развития шторма, учитывая эффект малых начальных различий, которые со временем могут привести к значительно отличающимся результатам. В прошлом году модель создавала по 50 сценариев на один шторм, сейчас — до 1 000. По словам специалистов, такое количество вариантов сложно получить с помощью традиционных численных моделей при доступных вычислительных ресурсах.
Перед тем как использовать в оперативных прогнозах, WeatherNext протестировали на исторических данных, и результаты подтвердились во время реальных прогнозов. При этом Национальный центр по наблюдению за ураганами США подчеркивает, что модель является лишь одним из инструментов метеорологов, а не заменой экспертного прогноза. Google DeepMind также открыла исходные модели WeatherNext, которые использовались в сезонных прогнозах ураганов, для исследовательского сообщества. Авторы надеются, что это позволит другим ученым изучить причины высокой точности модели и понять, какие закономерности развития циклонов она выявляет из атмосферных данных.
Darth SaharaИсточники:wiredarstechnicaИскусственный интеллект0Искусственный интеллектПрогноз погодыКлиматические моделиМетеорологияGoogle DeepMindПрогнозирование стихийных бедствий18 минут назад
Источник