Компанія Nvidia розробила нову модель прогнозування погоди на основі штучного інтелекту (ШІ), яка дозволяє значно покращити передбачення небезпечних погодних явищ, забезпечуючи деталізацію прогнозів від національного до локального рівня. ШІ-прогнозування є більш ефективним, може виконувати розрахунки набагато швидше і не потребує суперкомп’ютерів. Про це повідомляє пресслужба компанії.
Модель “NVIDIA CorrDiff” дозволяє проводити надвисокоточні симуляції погоди, що особливо корисно для прогнозів у коротко- та середньостроковій перспективі. На відміну від традиційних методів, ця модель може передбачати екстремальні погодні явища, які виходять за межі історичних даних, що особливо актуально в умовах змін клімату.
За заявою Nvidia, CorrDiff у 500 разів швидший і до 10 000 разів енергоефективніший за традиційні моделі прогнозування погоди. Дослідження, присвячене новій ШІ-моделі, було опубліковане в журналі Communications Earth & Environment. Генеративний ШІ дозволяє створювати локальні прогнози щодо вітру, температури, опадів та їхніх обсягів, використовуючи метод підвищення деталізації, відомий як “downscaling”.
Майк Прітчард, керівник напрямку кліматичного моделювання Nvidia, назвав розробку “значним проривом”: «Це доводить, що генеративні ШІ-моделі мають унікальну властивість – вони можуть одночасно уточнювати кілька погодних змінних і синтезувати нові дані з інформації, отриманої у значно грубішій просторовій роздільній здатності». Він пояснив, що CorrDiff навчається прогнозувати без використання фізичних рівнянь, а виключно на основі даних.
У світі відбувається активний перехід до ШІ-прогнозування погоди. Європейський центр середньострокових прогнозів погоди (ECMWF) вже використовує власну ШІ-модель, а Google та інші компанії також розробляють аналогічні рішення. Синоптики у Національній метеослужбі США та медіа поєднують ШІ-моделі з традиційними методами, що дозволяє враховувати можливі похибки та покращувати точність прогнозів. Хоча нині ШІ-моделі розглядаються як доповнення до класичних прогнозів, очікується, що в міру їхнього вдосконалення вони можуть привести до несподіваних проривів і змінити традиційний підхід до прогнозування погоди.