Первый, разработанный Huawei, подробно описывает, как его новая модель ИИ Пангу-Погодаможет прогнозировать еженедельные погодные условия по всему миру намного быстрее, чем традиционные методы прогнозирования, но с сопоставимой точностью.

Второй демонстрирует, как алгоритм глубокого обучения смог прогнозировать экстремальные осадки более точно и с большим вниманием чем другие ведущие методы, занимая первое место примерно в 70% случаев в тестах на аналогичные существующие системы.

В случае принятия эти модели можно будет использовать вместе с традиционными методами прогнозирования погоды, чтобы улучшить способность властей готовиться к плохой погоде, говорит Линси Се, старший научный сотрудник Huawei.

Чтобы создать Pangu-Weather, исследователи Huawei построили глубокую нейронную сеть, обученную на 39-летнем опыте. данные реанализа, который сочетает в себе исторические наблюдения за погодой с современными моделями. В отличие от обычных методов, которые анализируют погодные переменные по одной за раз, что может занять несколько часов, Pangu-Weather может анализировать их все одновременно за считанные секунды.

Исследователи проверили Pangu-Weather в сравнении с одной из ведущих традиционных систем прогнозирования погоды в мире, оперативной интегрированной системой прогнозирования Европейского центра среднесрочных прогнозов погоды (ECMWF), и обнаружили, что она обеспечивает аналогичную точность.

Pangu-Weather также смог точно отследить путь тропического циклона, несмотря на то, что он не был обучен данным о тропических циклонах. Это открытие показывает, что модели машинного обучения способны улавливать физические процессы погоды и обобщать их на ситуации, с которыми они раньше не сталкивались, говорит Оливер Фюрер, глава отдела численного прогнозирования в MeteoSwiss, Швейцарском федеральном ведомстве. Метеорология и климатология. Он не участвовал в расследовании.

По словам Фюрера, Pangu-Weather интересен тем, что может прогнозировать погоду намного быстрее, чем это делали ученые раньше, и предсказывать вещи, которых не было в исходных обучающих данных.

В прошлом году несколько технологических компаний представили модели искусственного интеллекта, направленные на улучшение прогнозирования погоды. Pangu-Weather и аналогичные модели, такие как FourcastNet от Nvidia и GraphCast от Google-DeepMind, заставляют метеорологов «пересмотреть то, как мы используем машинное обучение и прогнозы погоды», — говорит Питер Дубен, руководитель отдела моделирования системы Земли в ECMWF. Он не участвовал в исследованиях, но тестировал Pangu-Weather.