GenCast prevede il tempo e i rischi di condizioni estreme con una precisione all'avanguardia | Intelligenza-Artificiale

Il nuovo modello di intelligenza artificiale migliora la previsione delle incertezze e dei rischi meteorologici, fornendo previsioni più rapide e accurate fino a 15 giorni in anticipo

Il tempo ha un impatto su tutti noi, influenzando le nostre decisioni, la nostra sicurezza e il nostro modo di vivere. Poiché il cambiamento climatico determina eventi meteorologici sempre più estremi, previsioni accurate e affidabili sono più essenziali che mai. Tuttavia, il tempo non può essere previsto perfettamente e le previsioni sono particolarmente incerte oltre i pochi giorni.

Poiché una previsione meteorologica perfetta non è possibile, gli scienziati e le agenzie meteorologiche utilizzano previsioni probabilistiche complessive, in cui il modello prevede una serie di probabili scenari meteorologici. Tali previsioni complessive sono più utili che fare affidamento su una singola previsione, poiché forniscono ai decisori un quadro più completo delle possibili condizioni meteorologiche nei prossimi giorni e settimane e quanto è probabile ogni scenario.

Oggi, su un giornale pubblicato su Naturapresentiamo GenCast, il nostro nuovo modello di ensemble AI ad alta risoluzione (0,25°). GenCast fornisce previsioni migliori sia del tempo quotidiano che degli eventi estremi rispetto al principale sistema operativo, il Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) ENS, fino a 15 giorni in anticipo. Rilasceremo il codice, i pesi e le previsioni del nostro modello per supportare la più ampia comunità di previsioni meteorologiche.

L'evoluzione dei modelli meteorologici dell'intelligenza artificiale

GenCast segna un progresso fondamentale nelle previsioni meteorologiche basate sull'intelligenza artificiale che si basa sul nostro precedente modello meteorologicoche era deterministico e forniva un'unica, migliore stima del tempo futuro. Al contrario, una previsione GenCast comprende un insieme di 50 o più previsioni, ciascuna delle quali rappresenta una possibile traiettoria meteorologica.

GenCast è un modello di diffusione, il tipo di modello di intelligenza artificiale generativa che è alla base dei recenti e rapidi progressi nel settore immagine, video E generazione musicale. Tuttavia, GenCast differisce da questi, in quanto si adatta alla geometria sferica della Terra e impara a generare con precisione la complessa distribuzione di probabilità degli scenari meteorologici futuri quando viene fornito come input lo stato meteorologico più recente.

Per addestrare GenCast, gli abbiamo fornito quattro decenni di dati meteorologici storici provenienti dall'ECMWF Archivio ERA5. Questi dati includono variabili come temperatura, velocità del vento e pressione a varie altitudini. Il modello ha appreso i modelli meteorologici globali, con una risoluzione di 0,25°, direttamente da questi dati meteorologici elaborati.

Stabilire un nuovo standard per le previsioni meteorologiche

Per valutare rigorosamente le prestazioni di GenCast, lo abbiamo addestrato su dati meteorologici storici fino al 2018 e lo abbiamo testato su dati del 2019. GenCast ha mostrato capacità di previsione migliori rispetto all'ENS di ECMWF, il principale sistema di previsione operativa di insieme da cui dipendono ogni giorno molte decisioni nazionali e locali. .

Abbiamo testato in modo completo entrambi i sistemi, esaminando le previsioni di diverse variabili in tempi di consegna diversi: 1320 combinazioni in totale. GenCast si è rivelato più accurato di ENS nel 97,2% di questi target e nel 99,8% con tempi di consegna superiori a 36 ore.

Una previsione d’insieme esprime l’incertezza facendo più previsioni che rappresentano diversi scenari possibili. Se la maggior parte delle previsioni mostrano che un ciclone colpirà la stessa area, l’incertezza è bassa. Ma se prevedono località diverse, l’incertezza è maggiore. GenCast raggiunge il giusto equilibrio, evitando di sopravvalutare o sottovalutare la propria fiducia nelle proprie previsioni.

Sono necessari solo 8 minuti da un singolo Google Cloud TPU v5 per produrre una previsione di 15 giorni nell'insieme di GenCast e ogni previsione nell'insieme può essere generata simultaneamente, in parallelo. Le tradizionali previsioni d’insieme basate sulla fisica, come quelle prodotte dall’ENS, con una risoluzione di 0,2° o 0,1°, richiedono ore su un supercomputer con decine di migliaia di processori.

Previsioni avanzate per eventi meteorologici estremi

Previsioni più accurate dei rischi di condizioni meteorologiche estreme possono aiutare i funzionari a salvaguardare più vite umane, evitare danni e risparmiare denaro. Quando abbiamo testato la capacità di GenCast di prevedere caldo e freddo estremi e velocità del vento elevate, GenCast ha costantemente sovraperformato ENS.

Consideriamo ora i cicloni tropicali, noti anche come uragani e tifoni. Ottenere avvisi migliori e più avanzati su dove colpiranno la terra ha un valore inestimabile. GenCast fornisce previsioni superiori sulle tracce di queste tempeste mortali.

Previsioni migliori potrebbero svolgere un ruolo chiave anche in altri aspetti della società, come la pianificazione delle energie rinnovabili. Ad esempio, i miglioramenti nelle previsioni sull’energia eolica aumentano direttamente l’affidabilità dell’energia eolica come fonte di energia sostenibile e ne accelereranno potenzialmente l’adozione. In un esperimento di prova di principio che ha analizzato le previsioni dell’energia eolica totale generata da gruppi di parchi eolici in tutto il mondo, GenCast è risultato più accurato di ENS.

Previsioni di prossima generazione e comprensione del clima in Google

GenCast fa parte della crescente suite di Google di modelli meteorologici di prossima generazione basati sull'intelligenza artificiale, inclusi quelli basati sull'intelligenza artificiale di Google DeepMind. previsioni deterministiche a medio terminee di Google Research NeuraleGCM, SEMIE modelli delle inondazioni. Questi modelli stanno iniziando a potenziare l'esperienza utente su Ricerca Google e Maps e a migliorare la previsione precipitazione, incendi, allagamento E caldo estremo.

Apprezziamo profondamente le nostre partnership con le agenzie meteorologiche e continueremo a lavorare con loro per sviluppare metodi basati sull’intelligenza artificiale che migliorino le loro previsioni. Nel frattempo, i modelli tradizionali rimangono essenziali per questo lavoro. Da un lato forniscono i dati di allenamento e le condizioni meteorologiche iniziali richieste da modelli come GenCast. Questa cooperazione tra l’intelligenza artificiale e la meteorologia tradizionale evidenzia il potere di un approccio combinato per migliorare le previsioni e servire meglio la società.

Per promuovere una più ampia collaborazione e contribuire ad accelerare la ricerca e lo sviluppo nella comunità meteorologica e climatica, abbiamo reso GenCast un modello aperto e rilasciato il suo codice E pesicome abbiamo fatto per il nostro modello deterministico di previsione meteorologica globale a medio termine.

Presto pubblicheremo previsioni storiche e in tempo reale da GenCast e modelli precedenti, che consentiranno a chiunque di integrare questi input meteorologici nei propri modelli e flussi di lavoro di ricerca.

Siamo ansiosi di collaborare con la più ampia comunità meteorologica, compresi ricercatori accademici, meteorologi, data scientist, aziende di energia rinnovabile e organizzazioni focalizzate sulla sicurezza alimentare e sulla risposta alle catastrofi. Tali partnership offrono approfondimenti e feedback costruttivi, nonché preziose opportunità di impatto commerciale e non commerciale, tutti aspetti fondamentali per la nostra missione di applicare i nostri modelli a beneficio dell’umanità.