Модели искусственного интеллекта улучшают прогнозирование путей ураганов

Искусственный интеллект стремительно меняет то, как метеорологи предсказывают пути атлантических ураганов. В ходе последнего сезона ураганов модели на базе ИИ успешно превзошли традиционные методы прогнозирования в определении траектории штормов. Эти новые инструменты теперь используются экспертами для предоставления более точной информации населению. Традиционное прогнозирование погоды опирается на сложные физические уравнения, которые учитывают атмосферные условия, такие как сдвиг ветра. Метеорологи собирают данные со спутников и самолетов для заполнения этих уравнений, которые затем рассчитывают потенциальный путь и силу шторма. Этот метод был стандартом на протяжении десятилетий, обеспечивая надежную основу для планирования действий в чрезвычайных ситуациях. Напротив, модели ИИ работают путем анализа исторических данных о тысячах прошлых штормов. Выявляя закономерности в этом огромном массиве данных, программное обеспечение может предсказать, куда может направиться шторм, основываясь на текущих атмосферных снимках. Метеоролог Майкл Лоури отмечает, что эти модели не полагаются на законы физики для составления прогнозов. Несмотря на успех в отслеживании, модели ИИ продемонстрировали ограничения в других областях. Например, некоторые модели испытывали трудности с точным прогнозированием интенсивности или силы шторма по сравнению с традиционными методами. Из-за этого эксперты в настоящее время используют сочетание ИИ и физико-математических моделей для создания официальных прогнозов. Две конкретные системы ИИ стали наиболее точными в текущих испытаниях. К ним относятся модели, разработанные Google DeepMind и базирующимся в Великобритании Европейским центром среднесрочных прогнозов погоды. Национальный центр по ураганам начал включать модель Google DeepMind в свои официальные прогнозы в прошлом году. Однако не все погодные инструменты на базе ИИ одинаково эффективны. Лоури предупреждает, что существует множество непроверенных моделей, которые не продемонстрировали такого же уровня надежности. Он подчеркивает важность использования только тех систем, которые были строго протестированы и подтверждены профессионалами. Петли обратной связи являются критической частью процесса разработки этих технологий. Команда под руководством сотрудника Национального центра по ураганам Майкла Бреннана предоставляет регулярные данные Google DeepMind, чтобы помочь уточнить их модель. Это сотрудничество помогает разработчикам устранять конкретные ошибки и повышать точность будущих прогнозов. Одним из наиболее значительных преимуществ ИИ является скорость цикла его разработки. В то время как традиционные модели погоды обычно обновляются только раз в год, системы ИИ могут получать улучшения за считанные недели или месяцы. Это позволяет достичь быстрого прогресса в мастерстве прогнозирования, на что раньше потребовалось бы десятилетие. Несмотря на эти достижения, эксперты сохраняют осторожность в отношении того, чтобы полагаться исключительно на машинное обучение. Модели иногда могут показывать резкие изменения в своих прогнозах от одного обновления к другому, что может усложнить принятие решений для руководителей экстренных служб. Поддержание процесса контроля со стороны человека остается необходимым для интерпретации этих результатов. Заглядывая вперед, ожидается, что интеграция ИИ продолжит развиваться. Метеорологи полагают, что будущее прогнозирования погоды будет включать сочетание различных технологий, а не одно единственное решение. По мере того как эти инструменты становятся более сложными, они, вероятно, будут играть еще большую роль в защите сообществ от экстремальных погодных явлений.