WeatherNext: AI ennustab tsüklonite trajektoori ja jõudu

Viis päeva enne kui orkaan Melissa Jamaical maabuma hakkas, andis üks prognoos häiriva teate: oodata oli 5. kategooria tormi, kuigi Melissa oli tollal 1. kategooria. Meteoroloogid olid lahkarvamusel. Mudel ei olnud.

See mudel on WeatherNext, Google DeepMindi ja Google Researchi koostööprojekt, millele andsid panuse rahvusvahelised institutsioonid, sealhulgas USA riiklik orkaanikeskus ja Suurbritannia meteoroloogiaamet. See ilmus avatud lähtekoodiga tarkvarana, treenituna peaaegu 20 terabaidil globaalset atmosfäärilist andmestikku ning aastakümnete kaupa arhiveeritud kliimarekordeid rahvusvahelistest repositooriumitest. Tulemuseks on tehisintellektisüsteem, mis käsitleb tsükloni trajektoori ja selle puhast jõudu kui üht omavahel seotud mõistatust.

Miks sellel vahet on? Sest tormi trajektoori ennustamine ja selle intensiivsuse ennustamine tehakse tavaliselt erinevate meeskondade poolt, kasutades erinevaid mudeleid. Üks vaatleb planeediskaala tuuli, et kaardistada marsruuti. Teine suumib tormi silma, et modelleerida termodünaamikat ja väiksemahulisi protsesse. Mõlema osa ühildamine on olnud püsiv peavalu. WeatherNext sulandab need kokku.

Praktiline kasu on kohene. Google'i neuraalse töötluse riistvaral toodetakse täispikk 15-päevane prognoos alla 60 sekundi. Selline kiire tagasiside võimaldab genereerida suuri komplekte, mitte ühte deterministlikku tulemust, vaid sadu või tuhandeid tõenäolisi tulevikuversioone, ning teisendada need probabilistlikeks riskikaartideks, mille alusel hädaolukorra juhtkonnad saavad tegutseda.

WeatherNext ei luba kindlustäpsust. Ta vahetab illusiooni kindlusest laia võimaluste spektri vastu. See on tahtlik. Liblikaefekti talitamiseks, kus väikesed mõõtevead paisuvad suurteks prognoosierinevusteks, konstrueerib mudel nüüd iga tormi jaoks kuni 1000 samaaegset stsenaariumi. See on dramaatiline hüpe võrreldes eelmise aasta umbes 50-stsenaariumilisest komplektist ning see muudab seda, kuidas ilmaennustajad riske tõlgendavad.

Lisapäev usaldusväärset hoiatust ei ole abstraktne: see annab aega evakuatsioonideks, logistika korraldamiseks ja elupäästvate otsuste tegemiseks.

Operatiivsed testid annavad selge pildi. Melissal, kui tavalised süsteemid olid trajektoori osas lahkarvamusel, andis WeatherNext umbes 80% kindlusega signaali, et tsüklon intensiivistub ja tabab Jamaicat suureks tormiks päevi enne maabumist. Selline varajane, integreeritud ennustus muudab ebakindluse tegevusvalmiduseks.

On tehnilisi nüansse. Mudel segab globaalimõõtmelise dünaamilise konteksti kohalike intensiivsust mõjutavate teguritega, kasutades masinõppe arhitektuure, mis on optimeeritud tohutute ajalooliste andmete peal. See toodab seejärel probabilistlikke jaotusi nii positsiooni kui ka jõu kohta, võimaldades ennustajatel hinnata mitte ainult tormi võimalikku teed, vaid ka kui jõuline see võib olla kohale jõudes.

Kirjastajad ja võrdlusuurijad on saanud tähelepanu: uurimus ilmus ajakirjas Nature ning meeskond on avaldanud mudeli koodi ja kaalu GitHubis, kutsudes riiklikke meteoroloogiaameteid, akadeemilisi gruppe ja kodanikuühendusi sõltumatule valideerimisele ja operatiivseteks katsetusteks. See avatus võib kiirendada täiustusi ja soodustada piirkonnapõhist häälestust seal, kus andmed ja vajadused erinevad.

Kas WeatherNext asendab traditsioonilisi mudeleid? Mitte üleöö. Numbriline ilmaennustus toetab endiselt suurt osa prognoosidest. Kuid selle selgroo kombineerimine tehisintellekti juhitud komplektide ja kiirusega muudab töövoogu. Hädaolukorra planeerijad saavad varasemaid ja nüansirikkamaid hoiatusi. Uurijad saavad ühise platvormi, et uurida rikkeid ja kallutusi. Kogukonnad saavad aega, ja mõnikord on see erinevus häirimise ning katastroofi vahel.

Jälgi repositooriumi. Jälgi prognoose. Järgmine hooaeg näitab, kas see skaala, kiirus ja probabilistlik mõtlemine saavad tsüklonite ennustamisel uue normaalsuse.