Udoskonalona prognoza pogody wykorzystująca sztuczną inteligencję ma zrobić ogromny krok naprzód dzięki uruchomieniu nowego europejskiego systemu, który znacząco przewyższa konwencjonalne metody prognozowania.
Choć firmy technologiczne i biura meteorologiczne na całym świecie już stosują sztuczną inteligencję do przewidywania pogody, to Europejskie Centrum Średnioterminowych Prognoz Pogody (ECMWF) ogłosiło, że jego operacyjny model wyznacza całkowicie nowy standard, udostępniając globalne prognozy wszystkim użytkownikom w dowolnym momencie.
Florence Rabier, dyrektor generalna ECMWF, stwierdziła, że jest to przełom, który zmieni naukę o pogodzie i prognozowaniu. „Uruchomienie Systemu Prognozowania AI pozwala generować najszerszy dotąd zakres parametrów z wykorzystaniem uczenia maszynowego”.
Testowana przez ostatnie 18 miesięcy eksperymentalna wersja wykazała, że system jest o około 20% dokładniejszy w kluczowych prognozach niż najlepsze tradycyjne metody, które wykorzystują miliony globalnych obserwacji pogodowych i przetwarzają je w superkomputerach za pomocą fizycznych równań.
Krótszy czas reakcji na ekstremalne zjawiska pogodowe
Florian Pappenberger, dyrektor ds. prognoz w ECMWF, zaznaczył, że nowy system może przewidywać trasę cyklonu tropikalnego z 12-godzinnym wyprzedzeniem, co daje dodatkowy czas na ostrzeżenie przed ekstremalnymi zjawiskami pogodowymi.
Wśród innych rozwijanych systemów prognozowania o średnim zasięgu opartych na SI znajdują się GenCast i GraphCast od Google DeepMind, Pangu-Weather od Huawei, FourCastNet od Nvidii oraz FuXi, opracowany przez Szanghajską Akademię Nauk i Uniwersytet w Fudan. Wszystkie zostały wytrenowane na bazie danych meteorologicznych gromadzonych przez ECMWF przez ponad 40 lat.
Porównywanie dokładności konkurencyjnych systemów SI jest trudne, ponieważ ich skuteczność różni się w zależności od analizowanych zmiennych i skal czasowych. Wyniki publikowane przez ECMWF dają pewne pojęcie o wydajności systemów, ale nie wskazują tego, który model jest najlepszy.
AI przewidzi siłę wiatru na 100 metrach
Pappenberger podkreślił jednak, że europejski system wyróżnia się tym, iż przewiduje znacznie więcej parametrów niż standardowe modele prognozujące temperaturę, opady i wiatr. Na przykład prognozuje również promieniowanie słoneczne oraz prędkość wiatru na wysokości 100 metrów – typowej dla turbin wiatrowych – co jest szczególnie przydatne dla sektora energii odnawialnej.
Pappenberger stwierdził, że obecna granica wiarygodnych prognoz krótkoterminowych w Europie wynosi sześć do siedmiu dni dla opadów i wiatru oraz do 14-15 dni dla temperatury.
„Modele oparte na uczeniu maszynowym mają realną szansę na wydłużenie tego okresu, ponieważ mogą wychwycić informacje, których nie jesteśmy jeszcze w stanie wystarczająco dobrze odwzorować w modelach opartych na fizyce”.
Choć prognozy ECMWF są publicznie dostępne, agencja nie wydaje ostrzeżeń o ekstremalnej pogodzie ani dostosowanych prognoz dla branży, pozostawiając te zadania krajowym służbom meteorologicznym i prywatnym firmom.
Anemoi europejską odpowiedzią na prognozy oparte na SI
ECMWF oraz grupa europejskich narodowych biur meteorologicznych stworzyły otwartą platformę techniczną dla systemów prognozowania SI o nazwie Anemoi, nawiązującą do greckich bóstw wiatru. Architektura oparta jest na tej samej „grafowej sieci neuronowej”, którą wykorzystują modele prognozowania Google DeepMind.
ECMWF planuje dalsze udoskonalenia systemu poprzez zwiększenie jego rozdzielczości przestrzennej oraz przejście z obecnej wersji, generującej pojedyncze prognozy, do tzw. prognozowania zespołowego. Oznacza to tworzenie jednocześnie 50 prognoz z nieco różniącymi się warunkami początkowymi, co pozwoli na dokładniejsze określenie zakresu możliwych scenariuszy pogodowych.
W przyszłości – jak zauważyła Kirstine Dale, dyrektor ds. AI w brytyjskim Met Office – do uzyskania szybkich, niezawodnych i precyzyjnych prognoz konieczne będzie połączenie symulacji opartych zarówno na fizyce, jak i na danych.
J.S.
