ШІ навчився прогнозувати тропічні циклони більш ніж на добу раніше
Штучний інтелект зробив помітний крок у прогнозуванні одних із найнебезпечніших погодних явищ на планеті. Нова система WeatherNext Cyclones від Google DeepMind здатна одночасно оцінювати траєкторію тропічного циклону, його інтенсивність і структуру сильного вітру. Під час перевірки на історичних штормах модель у середньому отримала понад 24 години додаткової завчасності порівняно з провідними традиційними підходами.
Для метеорології така різниця має практичне значення. Додаткова доба може дати службам цивільного захисту більше часу для евакуації, підготовки лікарень, закриття портів, укріплення інфраструктури та попередження населення. Особливо важливо, що йдеться не лише про напрямок руху шторму, а й про силу вітру та можливу швидкість посилення системи.
Одна модель замість двох різних підходів
Традиційно прогнозування циклонів вимагало компромісу. Великі глобальні моделі добре відтворюють масштабні атмосферні потоки, які визначають шлях шторму, але через обмежену просторову деталізацію можуть гірше описувати процеси в самому ядрі циклону. Високодетальні локальні моделі, навпаки, краще бачать структуру шторму, але мають менший глобальний контекст.
WeatherNext Cyclones намагається поєднати обидва завдання в одній системі. Вона навчалася на майже 20 терабайтах глобальних атмосферних даних і на базі IBTrACS, що містить відомості приблизно про п’ять тисяч історичних тропічних штормів. Завдяки цьому модель одночасно враховує великомасштабну циркуляцію атмосфери та характеристики конкретних циклонів.
Система працює ансамблевим методом: замість одного сценарію вона може створювати сотні або тисячі можливих прогнозів. Це важливо, оскільки атмосфера є хаотичною системою, і навіть невеликі відмінності в початкових умовах можуть суттєво змінити результат через кілька днів. Ансамбль дозволяє оцінювати не лише найбільш імовірний шлях, а й ризик менш імовірних, але небезпечних сценаріїв.
До 15 днів прогнозу менш ніж за хвилину
WeatherNext Cyclones може формувати прогноз на період до 15 днів. Один такий розрахунок на спеціалізованому процесорі TPU займає менш ніж хвилину. Це дає змогу дуже швидко будувати великі ансамблі та оновлювати імовірнісні карти для різних рівнів сили вітру.
Особливо незвично, що модель не потребує надзвичайно високої вихідної просторової роздільності. Вона працює з даними приблизно 28 на 28 кілометрів, тоді як традиційні спеціалізовані моделі інтенсивності часто використовують значно дрібнішу сітку. Розробники вважають, що це демонструє здатність ШІ знаходити приховані закономірності, які не завжди потребують прямого моделювання кожної дрібної атмосферної структури.
Під час оцінювання на циклонах 2023–2024 років модель показала перевагу за трьома ключовими показниками: траєкторією, інтенсивністю та просторовою структурою вітру. За оцінкою команди, досягнутий приріст точності приблизно відповідає десятиріччю поступового прогресу, якщо порівнювати з історичними тенденціями розвитку класичного прогнозування.
Новий результат не означає, що метеорологи стануть непотрібними. Навпаки, імовірнісні прогнози потребують професійної інтерпретації, порівняння з іншими моделями та врахування локальних умов. Але якщо такі системи підтвердять стабільність у реальному оперативному використанні, ШІ може стати одним із найцінніших інструментів раннього попередження про стихійні лиха.
