ШІ Google DeepMind дав Ямайці додатковий день для підготовки до урагану 5-ї категорії
Нова модель прогнозування штормів передбачила, що ураган Мелісса вдарить по Ямайці за п'ять днів — на цілий день раніше, ніж могли передбачити старіші інструменти. Стаття в журналі Nature говорить, що ШІ працює способами, які навіть його творці не можуть повністю пояснити.
Ключові моменти
- Модель WeatherNext компанії Google DeepMind передбачила, що ураган Мелісса вдарить по Ямайці як ураган 5-ї категорії за п'ять днів до приходу на берег з впевненістю 80 відсотків.
- В середньому WeatherNext дає прогнозистам на один повний день точніше попередження порівняно з існуючими моделями, згідно з документом, опублікованим в Nature у четвер.
- Модель сгенерувала 1000 можливих сценаріїв штормів одночасно — обсяг, який традиційні обчислення не можуть забезпечити.
- DeepMind випускає моделі WeatherNext як відкритий код, щоб незалежні дослідники могли їх вивчати та вдосконалювати.
- Навіть розробники самої моделі не можуть повністю пояснити, як вона досягає точності, використовуючи дані нижчої якості, ніж потребує традиційне прогнозування.
У жовтні 2025 року над Карибським морем формувався шторм. Традиційні моделі погоди розбігалися: чи залишиться він слабким і дрейфуватиме до Гаїті, чи посилиться й повернеться до Ямайки? WeatherNext, система прогнозування ШІ, створена відділами Google DeepMind та Google Research, рішуче обрала другий варіант. За п'ять днів до приходу шторму на берег вона сигналізувала про 80-відсоткову ймовірність того, що найнебезпечніший клас — ураган 5-ї категорії — вдарить по Ямайці.
Вона мала рацію. Ураган Мелісса викликав повені та зсуви грунту на острові. Але раннє попередження дало громадам більше часу для підготовки.
Чим це відрізняється від звичайного прогнозування погоди?
WeatherNext дає прогнозистам приблизно один додатковий день надійного попередження. Це означає, що її тридневний прогноз приблизно так само точний, як двохденний прогноз старіших моделей. Історично, як кажуть дослідники, отримання одного додаткового дня вимагало б десяти років поступових наукових робіт.
Майк Бреннан, директор Національного центру ураганів США, виразив це просто: "Час справді дорогоцінний, коли йдеться про такі рішення".
Організація евакуацій і переміщення запасів — це часочутливі завдання. Помилка коштує життями. Один додатковий день має величезне значення.
Чому урагани взагалі так важко передбачити?
Потрібно передбачити дві речі одночасно, і вони вимагають дуже різних видів даних. Відстеження напрямку руху шторму потребує загального глобального прогнозування погоди: положень холодних фронтів, вітрових потоків у цілих океанських басейнах. Передбачення потужності шторму потребує дрібнозернистих локальних даних про температуру океану та атмосферу прямо над штормом. Попередні моделі ШІ розумно справлялися з траєкторією. З інтенсивністю, як говорить Кейт Масгрейв, керівниця групи тропічних циклонів Кооперативного інституту атмосферних досліджень і співавтор статті, "вони зовсім не справлялися".
Команда DeepMind розв'язала цю проблему частково, навчивши WeatherNext на великих обсягах загальних даних про погоду поряд з набагато меншим набором історичних записів про циклони. Модель спочатку вивчила широкі атмосферні закономірності, а потім застосувала це знання до штормів.
Найпарадоксальніше: система використовує вхідні дані нижчої роздільної здатності, ніж традиційні моделі вважають необхідними для прогнозування інтенсивності, але все одно їх перевершує. Коли команда розповіла про це іншим науковцям, "вони були в шоці", говорить Ферран Алет, науковець-дослідник у Google DeepMind та один з основних авторів статті. В грубіших даних міститься більш корисний сигнал, ніж хто-небудь раніше підозрював. Поки що ніхто не знає, який саме.
"В кінцевому рахунку, це чорна скринька", визнає Алет.
Що далі?
DeepMind відкриває вихідний код моделей WeatherNext, щоб незалежні дослідники могли їх вивчати та потенційно з'ясувати, що помітив ШІ, чого не помітили люди-фізики.
Модель тепер генерує 1000 можливих сценаріїв штормів для кожного розвивального урагану, порівняно з 50 торік. Традиційні чисельні моделі, які виконують рівняння фізики крок за кроком, не можуть наблизитися до цього числа з наявною обчислювальною потужністю.
Бреннан тверезо оцінює обмеження. Жодна окрема модель не гарантована працюватиме найкраще в кожному майбутньому сезоні. Людські експерти все ще перекладають сирі прогнози в оцінки впливу — це частина, що в кінцевому рахунку визначає, як спільноти реагують. "Вплив — це те, що вбиває людей", говорить він.
WeatherNext — це більш чіткий інструмент у великому наборі інструментів. Це не заміна людям, які його використовують.
