Come stiamo supportando una migliore previsione del ciclone tropicale con AI | Intelligenza-Artificiale

Stiamo lanciando Weather Lab, con le nostre previsioni di cicloni sperimentali e stiamo collaborando con il National Hurricane Center degli Stati Uniti per sostenere le loro previsioni e avvertimenti in questa stagione dei cicloni.

I cicloni tropicali sono estremamente pericolosi, mettono in pericolo la vita e le comunità devastanti sulla loro scia. E negli ultimi 50 anni, hanno causato $ 1,4 trilioni di perdite economiche.

Queste vaste tempeste rotanti, note anche come uragani o tifoni, si formano su acque oceaniche calde – alimentate da calore, umidità e convezione. Sono molto sensibili anche a piccole differenze in condizioni atmosferiche, rendendole notoriamente difficili da prevedere accuratamente. Tuttavia, migliorare l'accuratezza delle previsioni del ciclone può aiutare a proteggere le comunità attraverso Preparazione al disastro più efficace e precedenti evacuazioni.

Oggi stanno lanciando Google DeepMind e Google Research Laboratorio meteorologicoUn sito Web interattivo per la condivisione dei nostri modelli meteorologici di intelligenza artificiale (AI). Weather Lab presenta il nostro ultimo modello di ciclone tropicale a base di AI sperimentale, basato su reti neurali stocastiche. Questo modello può prevedere la formazione, la traccia, l'intensità, le dimensioni e la forma di un ciclone, generando 50 possibili scenari, fino a 15 giorni di anticipo.

Abbiamo rilasciato a Nuovo carta Descrivere il nostro modello meteorologico fondamentale e stanno fornendo un archivio sul laboratorio meteorologico dei dati storici di binario del ciclone, per la valutazione e il backtesting.

I test interni mostrano che le previsioni del nostro modello per la traccia e l'intensità del ciclone sono accurate come e spesso più accurate di, Metodi attuali basati sulla fisica. Abbiamo collaborato con il National Hurricane Center degli Stati Uniti (NHC), che valutano i rischi del ciclone nei bacini dell'Atlantico e del Pacifico orientale, per convalidare scientificamente il nostro approccio e le nostre produzione.

I meteorologi degli esperti NHC stanno vedendo previsioni dal vivo dai nostri modelli sperimentali di AI, insieme ad altri modelli e osservazioni basate sulla fisica. Speriamo che questi dati possano aiutare a migliorare le previsioni NHC e fornire avvertimenti precedenti e accurati per i pericoli legati ai cicloni tropicali.

Le previsioni del ciclone dal vivo e storico di Weather Lab

Laboratorio meteorologico Mostra previsioni di ciclone in diretta e storica per diversi modelli meteorologici AI, insieme a modelli basati sulla fisica del Centro europeo per previsioni meteorologiche a medio raggio (ECMWF). Molti dei nostri modelli meteorologici AI funzionano in tempo reale: grafico Weathernext, Weathernext Gen e il nostro ultimo modello di ciclone sperimentale. Stiamo anche lanciando Weather Lab con oltre due anni di previsioni storiche per esperti e ricercatori per scaricare e analizzare, consentendo valutazioni esterne dei nostri modelli in tutti i bacini oceanici.

Gli utenti di Weather Lab possono esplorare e confrontare le previsioni di vari modelli di intelligenza artificiale e di fisica. Quando leggi insieme, queste previsioni possono aiutare le agenzie meteorologiche e gli esperti del servizio di emergenza anticipano meglio il percorso e l'intensità di un ciclone. Ciò potrebbe aiutare gli esperti e i decisori a prepararsi meglio a diversi scenari, a condividere notizie sui rischi e a sostegno delle decisioni per gestire l'impatto di un ciclone.

È importante sottolineare che Weather Lab è uno strumento di ricerca. Le previsioni dal vivo mostrate sono generate da modelli ancora in fase di sviluppo e non sono avvertimenti ufficiali. Tienilo a mente quando si utilizza lo strumento, anche per supportare le decisioni in base alle previsioni generate da Weather Lab. Per previsioni e avvertimenti meteorologici ufficiali, fare riferimento alla tua agenzia meteorologica locale o al servizio meteorologico nazionale.

Previsioni del ciclone alimentate dall'intelligenza artificiale

Nella previsione del ciclone basato sulla fisica, le approssimazioni necessarie per soddisfare le esigenze operative significano che è difficile per un singolo modello eccellere nel prevedere sia la pista di un ciclone che la sua intensità. Questo perché la pista di un ciclone è governata da vaste correnti di sterzo atmosferiche, mentre l'intensità di un ciclone dipende da complessi processi turbolenti all'interno e intorno al suo nucleo compatto. I modelli globali a bassa risoluzione si comportano al meglio per prevedere le tracce di cicloni, ma non catturare i processi su scala fine che dettano l'intensità del ciclone, motivo per cui sono necessari modelli regionali e ad alta risoluzione.

Il nostro modello di ciclone sperimentale è un singolo sistema che supera questo compromesso, con le nostre valutazioni interne che mostrano una precisione all'avanguardia sia per la traccia e l'intensità del ciclone. È addestrato a modellare due tipi distinti di dati: un vasto set di dati di rianalisi che ricostruisce il tempo passato su tutta la Terra da milioni di osservazioni e un database specializzato contenente informazioni chiave su binario, intensità, dimensioni e raggi del vento di quasi 5.000 cicloni osservati negli ultimi 45 anni.

La modellazione dei dati di analisi e dei dati del ciclone migliora notevolmente le capacità di previsione del ciclone. Ad esempio, le nostre valutazioni iniziali dei dati sugli uragani osservati di NHC, negli anni di prova 2023 e 2024, nei bacini del Nord Atlantico e del Pacifico orientale, hanno mostrato che la previsione del ciclone di 5 giorni del nostro modello è, in media, 140 km più vicini alla posizione del ciclone reale rispetto a ENS-il principale modello di ensemble di fisica globale da ECMWF. Ciò è paragonabile all'accuratezza delle previsioni di 3,5 giorni di ESS-un miglioramento di 1,5 giorni che è in genere preso oltre un decennio da raggiungere.

Mentre i precedenti modelli meteorologici AI hanno lottato per calcolare l'intensità del ciclone, il nostro modello di ciclone sperimentale ha sovraperformato l'errore di intensità media dell'amministrazione nazionale oceanica e atmosferica (Noaa) Sistema di analisi e previsione degli uragani (Mare), un modello regionale basato su fisica regionale e ad alta risoluzione. I test preliminari mostrano anche le previsioni del nostro modello di dimensioni e raggi del vento sono paragonabili alle baseline basate sulla fisica.

Qui visualizziamo errori di previsione della traccia e dell'intensità e mostriamo i risultati di valutazione delle prestazioni medie del nostro modello di ciclone sperimentale fino a cinque giorni di anticipo, rispetto a ENS e HAF.

Dati più utili per i decisori

Oltre al NHC, abbiamo lavorato a stretto contatto con il Cooperative Institute for Research nell'atmosfera (Differire) alla Colorado State University. La dott.ssa Kate Musgrave, una ricercatrice CIRA e il suo team hanno valutato il nostro modello e hanno trovato “un'abilità comparabile o maggiore rispetto ai migliori modelli operativi per binari e intensità”. Musgrave ha dichiarato: “Non vediamo l'ora di confermare quei risultati dalle previsioni in tempo reale durante la stagione degli uragani del 2025”. Abbiamo anche lavorato con il UK Met Office, Università di TokyoGiappone Weathernews Inc. e altri esperti per migliorare i nostri modelli.

Il nostro nuovo modello di ciclone tropicale sperimentale è l'ultimo traguardo della nostra serie di pionieri Ricerca Weathernext. Condividendo i nostri modelli meteorologici AI in modo responsabile attraverso il laboratorio meteorologico, continueremo a raccogliere importanti feedback dall'agenzia meteorologica e dagli esperti di servizi di emergenza su come la nostra tecnologia può migliorare le previsioni ufficiali e informare le decisioni per il risparmio sulla vita.