„DeepMind“ DI modelis triuškina senesnius orų prognozavimo metodus

Modelio tikslumas prognozuojant orus 3–10 d. į priekį buvo įrodytas šią savaitę paskelbtame, kitų mokslininkų recenzuotame tyrime, kuris buvo paskelbtas moksliniame žurnale „Science“, rašo „Financial Times“ (FT).
„GraphCast“ orų prognozės buvo lyginamos su tiksliausia pasaulyje laikomos Europos vidutinės trukmės orų prognozių centro (ECMWF) prognozių sistemos rezultatais. DI aplenkė ECMWF sistemas pagal 90% iš 1.380 oro prognozavimo metrikų, tarp jų – temperatūros, oro slėgio, vėjo greičio ir krypties bei drėgmės rodiklių prognozes skirtinguose atmosferos aukščiuose.
Matthew Chantry, ECMWF mašininio mokymosi technologijos koordinatorius, sako, kad „DI sistemos patobulėjo daug greičiau, ir daug įspūdingiau, nei mes tikėjomės vos prieš dvejus metus“. Ekspertas teigė manantis, kad „DeepMind“ orų prognozavimo sistema yra tiksliausia iš visų iki šiol buvusių sistemų.
„Nustatėme, kad „GraphCast“ nuolat yra tikslesnis nei kiti mašininio mokymosi modeliai – „Huawei“ sukurtas „Pangu–Weather“ bei „Nvidia“ modelis „FourCastNet“. Pagal daugybę parametrų, jis („GraphCast“ – VŽ) yra tikslesnis nei mūsų pačių prognozių sistema“, – FT sako M. Chantry.
„GraphCast“ veikia mašininio mokymosi ir grafinių neuroninių tinklų (angl. Graph Neural Networks) pagrindu. Šios technologijos, anot „DeepMind“, yra ypač tinkama architektūra erdvinių duomenų apdorojimui. Modelis ištreniruotas per daugiau nei 40 m. ECMWF surinktais meteorologiniais duomenimis.
Orų prognozėms „GraphCast“ naudoja atmosferos būklės duomenis sudarymo metu ir 6 val. prieš tai bei prognozes gali sudaryti vos per 1 min. naudojant vos vieną „Google TPU v4“ kompiuteriu. Palyginti dabar ECMWF ir kitų pasaulio meteorologijos tarnybų naudojamoms metodikoms reikia superkompiuterių, kurie skaičiavimus atlieka remdamiesi mokslinėmis žiniomis apie atmosferą.
Tai – kelias valandas trunkantis, nemažai energijos išteklių reikalaujantis procesas.
„Apmokytas „GraphCast“ veikia labai pigiai, – sako M. Chantry. – Kalbame apie 1.000 mažesnes energijos sąnaudas. Tai – stebuklingas patobulėjimas.“