ИИ Google DeepMind дал Ямайке дополнительный день подготовки к урагану 5-й категории
Новая модель прогнозирования штормов предсказала, что ураган Мелисса обрушится на Ямайку за пять дней до удара — на полный день раньше, чем могли старые инструменты. Статья в журнале Nature говорит, что ИИ работает способами, которые даже его создатели не могут полностью объяснить.
Ключевые моменты
- Модель WeatherNext от Google DeepMind предсказала, что ураган Мелисса обрушится на Ямайку как ураган 5-й категории за пять дней до удара с вероятностью 80 процентов.
- В среднем WeatherNext дает прогнозистам на полный день точного предупреждения больше по сравнению с существующими моделями, согласно статье, опубликованной в Nature в четверг.
- Модель сгенерировала 1000 возможных сценариев штормов одновременно, объем данных, который традиционные вычисления не могут обеспечить.
- DeepMind выпускает модели WeatherNext как программное обеспечение с открытым исходным кодом, чтобы независимые исследователи могли их изучать и улучшать.
- Даже разработчики модели не могут полностью объяснить, как она достигает точности, используя менее качественные входные данные, чем требует традиционное прогнозирование.
В октябре 2025 года над Карибским морем зарождался шторм. Традиционные модели погоды расходились во мнении: останется ли он слабым и сместится к Гаити или усилится и повернет к Ямайке? WeatherNext, система прогнозирования ИИ, разработанная подразделениями Google DeepMind и Google Research, решительно поддерживала второй вариант. За пять дней до того, как шторм достиг суши, она указала на 80-процентную вероятность того, что ураган 5-й категории, самого разрушительного класса, обрушится на Ямайку.
Она была права. Ураган Мелисса принес наводнения и оползни по всему острову. Но раннее предупреждение дало сообществам больше времени для подготовки.
Чем это отличается от обычного прогнозирования погоды?
WeatherNext дает прогнозистам примерно один дополнительный день надежного предупреждения. Это означает, что ее трехдневный прогноз примерно так же точен, как двухдневные прогнозы старых моделей. Исторически, говорят исследователи, получение одного дополнительного дня заняло бы десятилетие постепенной научной работы.
Майк Бреннан, директор Национального центра ураганов США, сказал просто: «Время действительно бесценно, когда речь идет о таких решениях».
Организация эвакуации и перемещение припасов — срочные задачи. Ошибки в них стоят жизней. Один дополнительный день имеет огромное значение.
Почему ураганы так сложно предсказать?
Нужно одновременно предсказать две вещи, и они требуют очень разных типов данных. Отслеживание направления движения шторма требует общей картины глобальных данных о погоде: расположения холодных фронтов, ветровых потоков над целыми океанскими бассейнами. Предсказание силы шторма требует точных локальных данных о температуре океана и атмосфере прямо над штормом. Ранние модели ИИ справлялись с путем довольно хорошо. Интенсивность, говорит Кейт Масгроув, руководитель группы тропических циклонов в Кооперативном институте исследований атмосферы и соавтор статьи, «они вообще не могли предсказывать хорошо».
Команда DeepMind решила эту проблему частично, обучив WeatherNext на огромных объемах общих данных о погоде наряду с гораздо меньшим набором исторических записей циклонов. Модель сначала выучила общие атмосферные закономерности, а затем применила эти знания к штормам.
Самый странный поворот: система использует низкое разрешение входных данных, чем традиционные модели считают необходимым для прогнозирования интенсивности, но по-прежнему превосходит их. Когда команда сказала об этом другим ученым, «они были потрясены», говорит Ферран Алет, научный сотрудник Google DeepMind и главный автор статьи. Что-то в более грубых данных несет более полезный сигнал, чем кто-либо подозревал ранее. Никто пока не знает, что это.
«Это черный ящик в конце концов», признает Алет.
Что дальше?
DeepMind выпускает модели WeatherNext с открытым исходным кодом, чтобы независимые исследователи могли их зондировать и, возможно, выяснить, что заметил ИИ, чего упустили ученые-физики.
Модель теперь генерирует 1000 возможных сценариев штормов для каждого развивающегося урагана, по сравнению с 50 в прошлом году. Традиционные численные модели, которые пошагово выполняют уравнения физики, не могут приблизиться к такому количеству при доступной вычислительной мощности.
Бреннан ясно понимает ограничения. Ни одна единственная модель не гарантирует лучшей производительности в каждом будущем сезоне. Человеческие эксперты по-прежнему переводят сырые прогнозы в оценки воздействия, часть, которая в конечном итоге определяет, как сообщества реагируют. «Это воздействие убивает людей», говорит он.
WeatherNext — это более совершенный инструмент в большом наборе инструментов. Это не замена людям, которые его используют.
