AI može da prognozira vreme tačnije od najnovijih simulacija, kaže kompanija za veštačku inteligenciju DeepMind. Meteorolozi pak smatraju da ne treba napuštati modele zasnovane na stvarnim fizičkim principima i oslanjati se samo na statističke obrasce, ukazujući pritom na nedostatke u korišćenju veštačke inteligencije. Postojeće vremenske prognoze su zasnovane na matematičkim modelima koji koriste znanja iz fizike i moćne superkompjutere kako bi deterministički predvideli šta će se dogoditi u budućnosti. Ovi modeli su postali tačniji sa unosom detaljnih podataka, što zauzvrat zahteva više proračuna i stoga sve moćnije računare i veću potrošnju energije.
Remi Lam iz Guglovog DeepMind-a i njegove kolege imaju drugačiji pristup. Njihov GraphCast AI model je obučen na četiri decenije meteoroloških podataka sa satelita, radara i prizemnih merenja, prepoznajući obrasce koje čak ni DeepMind ne razume. „Kao i kod drugih modela veštačke inteligencije, nije lako protumačiti kako model funkcioniše,“ kaže Lam. Da bi postavio prognozu, model koristi stvarna meteorološka očitavanja, uzeta sa više od milion tačaka širom planete, i predviđa vreme šest sati unapred. Te prognoze se zatim mogu koristiti kao inputi za još jedan krug ispitivanja, gledajući još šest sati u budućnost. Istraživači u DeepMind-u su napunili ovaj model podacima iz Evropskog centra za srednjoročne vremenske prognoze (ECMWF) kako bi kreirali 10-dnevnu prognozu. Naučnici kažu da su nadmašili ECMWF-ov „zlatni standard“ prognoziranja (HRES) iznoseći preciznija predviđanja za više od 90 odsto testiranih podataka. Na nekim nadmorskim visinama, preciznost je išla čak do 99,7 odsto.
Metju Čentri iz ECMWF-a kaže da je njegova organizacija ranije posmatrala AI kao alatku za doradu postojećih matematičkih modela, ali da se u proteklih 18 meseci veštačka inteligencija pokazala kao potencijalno samostalni prognozer. „Mi u ECMWF-u prepoznajemo ovo kao izuzetno uzbudljivu tehnologiju koja će smanjiti troškove energije za kreiranja prognoza, ali i podstaći njihovo poboljšanje. Biće još posla dok ne dobijemo pouzdane operativne proizvode, ali ovo je verovatno početak revolucije u kreiranju vremenskih prognoza,“ kaže naučnik. DeepMind tvrdi da kreiranje 10-dnevnih prognoza sa GraphCast-om traje manje od jednog minuta na vrhunskom računaru, dok HRES može potrajati satima na današnjem superkompjuteru. Ali neki meteorolozi su izrazili sumnje u vezi sa prepuštanjem vremenske prognoze AI-u. Jan Renfru sa Univerziteta Istočna Anglija u Britaniji kaže da GraphCast trenutno nema mogućnost prikupljanja podataka za svoje inicijalno stanje, što je proces poznat kao asimilacija podataka. U klasičnim prognozama, ovakvi podaci se pažljivo pohranjuju u simulaciju nakon detaljnih fizičko-hemijskih proračuna kako bi se osigurala tačnost i doslednost.
„Gugl neće u skorije vreme raditi vremensku prognozu, jer ne može da vrši asimilaciju podataka,“ kaže Renfru. „Asimilacija podataka obično uzima polovinu do dve trećine vremena rada računara u ovim prognostičkim sistemima.” Takođe kaže da strepi od potpunog odbacivanja determinističkih modela zasnovanih na hemiji i fizici u korist AI-a. „Možete imati najbolji prognostički model na svetu, ali ako vam javnost ne veruje, šta je onda poenta? Ako naredite evakuaciju 50 kilometara duž obale Floride, a onda se ništa ne dogodi, onda ste upropastili poverenje koje je građeno decenijama,“ kaže naučnik. „Prednost determinističkog modela je u tome što ga možete ispitati; ako dobijete loše prognoze, možete ispitati zašto su prognoze takve i potom ciljati te aspekte radi poboljšanja.”
(NewScientist-ZTP, foto: ABC)
