Погода без суперкомпьютера: как искусственный интеллект научился предсказывать бури точнее классических моделей

Прогноз погоды долго оставался вотчиной огромных суперкомпьютеров, решающих сложнейшие уравнения физики атмосферы. Но в последние годы у этой отрасли появился неожиданный соперник — искусственный интеллект. Модели вроде GraphCast и GenCast от Google DeepMind научились предсказывать погоду быстрее, а порой и точнее классических оперативных систем.

Другой подход к старой задаче

Традиционные модели рассчитывают поведение атмосферы шаг за шагом, решая уравнения гидродинамики, что требует колоссальных вычислительных мощностей и времени. Нейросети идут другим путём: они обучаются на десятилетиях исторических данных о погоде, учатся распознавать закономерности и выдают прогноз за считаные минуты на куда более скромном оборудовании.

GenCast против лучших систем мира

Ключевым доказательством стала модель GenCast. Это ансамблевая система высокого разрешения, которая, согласно исследованию в журнале Nature, превзошла ведущую оперативную систему Европейского центра среднесрочных прогнозов по точности на сроках до пятнадцати дней. Причём преимущество проявилось как в обычной погоде, так и в предсказании экстремальных явлений.

Именно экстремальные события — ураганы, тропические циклоны, волны жары — та область, где новый подход особенно ценен. Чем раньше и точнее удаётся предупредить о надвигающейся стихии, тем больше у людей времени на подготовку и эвакуацию. В DeepMind отдельно отмечали прорыв своих моделей в прогнозировании траекторий циклонов.

WeatherNext 2 и гонка за скоростью

Развитие не останавливается. Новейшая модель WeatherNext 2, представленная Google DeepMind совместно с Google Research, генерирует прогнозы примерно в восемь раз быстрее предшественницы и с детализацией вплоть до одного часа. По заявлению разработчиков, она превосходит прошлую версию почти по всем ключевым параметрам — от температуры и влажности до ветра.

Не замена, а союзник

При всём восторге важно сохранять трезвость. Нейросети по-прежнему опираются на данные наблюдений и наработки классической метеорологии, на которых они обучаются, а сам прогноз остаётся вероятностным. Поэтому будущее, скорее всего, за союзом двух подходов: физические модели и искусственный интеллект будут дополнять друг друга, делая предупреждения о стихии всё более надёжными.