Bezkonkurenční Google. Jeho umělá inteligence předpovídá počasí 10 dnů dopředu
- Google má nejpřesnější model pro předpověď počasí
- Model GraphCast má nejpřesnější předpověď na 10 dní
- Překonává všechny klasické modely
Často se nám zdá, že meteorologové věští počasí z křišťálové koule, protože jejich přesnost je často tristní. Bohužel si musíme přiznat, že počasí je možná nejkomplexnější a nejdynamičtěji děj, který na této planetě probíhá a není rozhodně nic snadného ho odhadnout na více než tři dny dopředu. S nástupem AI se ukázalo, že s předpovědí počasí by nám tato technologie mohla pomoci, a to se nyní potvrzuje.
Počasí nejpřesněji předpovídá AI
Podle Evropského střediska pro střednědobou předpověď (ECMWF) se nový model s názvem GraphCast od společnosti Google DeepMind stal nejpřesnějším systémem pro předpověď počasí na 10 dní. Vykazuje mnohem přesnější a rychlejší předpověď než model HRES, který je považován za zlatý standard v tomto odvětví.
Pro ilustraci předpověděl systém GraphCast v září, že hurikán Lee zasáhne pevninu Kanady (Nové Skotsko) celých devět dní předem. Tradiční metody na tuto nestandardní událost začaly upozorňovat zhruba šest dní předem, a ještě byly v předpovědi méně konzistentní.
GraphCast dokáže také kromě klasického počasí mnohem přesněji předpovídat nebezpečné meteorologické jevy. Takové údaje by mohly zachránit životy a živobytí velkému počtu lidí. Vzhledem k tomu, že klima je stále extrémnější a nepředvídatelnější, budou rychlé a přesné předpovědi stále nabývat na důležitosti.
Čtěte také: Nothing Phone (2) umí posílat zprávy přes iMessage, není to ale „oficiální“ řešení
Předpověď pomocí neuronových sítí
A jak GraphCast funguje? Běžné předpovědi počasí jsou založeny na složitých fyzikálních rovnicích. Ty jsou pak upraveny do algoritmů, které běží na extravýkonných počítačích. GraphCast využívá jinou techniku.
Model kombinuje strojové učení s grafickými neuronovými sítěmi (GNN), což je architektura, která umí zpracovávat prostorově strukturovaná data. Zároveň byl vyškolen na desetiletích informací o počasí, které byly získány ze satelitů, radarů a meteorologických stanic.
