Нещодавно провідний міжнародний науковий журнал Nature опублікував статтю про Pangu Weather, революційний пристрій прогнозування погоди на основі штучного інтелекту. Стаття описує, як розробити точну і достовірну міжнародну систему прогнозування погоди на основі штучного інтелекту та глибинного навчання, застосовуючи дані за 43 роки.

Pangu Weather — перший пристрій прогнозування на основі штучного інтелекту, що демонструє кращу точність порівняно з традиційними чисельними методами. Винахід дозволяє пришвидшити прогнозування у 10 000 разів, це зменшить час прогнозування погоди у всьому світі до декількох секунд. У статті, що має назву « Точне середньострокове міжнародне прогнозування погоди завдяки 3D нейронним мережам», наведена незалежна оцінка цих можливостей.

Pangu Weather кидає виклик попереднім припущенням про те, що прогнозування погоди на основі штучного інтелекту поступається у точності традиційним методам. Розроблена командою Huawei Cloud, ця перша модель прогнозування на основі штучного інтелекту має вищу точність порівняно з попередніми рішеннями.

Завдяки швидкому розвитку обчислювальної потужності за останні 30 років точність чисельного прогнозування значно поліпшилася. Так, з’явилася можливість надавати попередження про стихійні лиха і прогнози щодо зміни клімату. Проте цей метод досі лишається трудомістким. Аби поліпшити швидкість прогнозування, дослідники вивчали, як застосовувати методи глибинного навчання. Але точність прогнозів на основі штучного інтелекту для середньострокових і довгострокових сценаріїв лишалася нижчою порівняно з чисельним прогнозуванням. Штучний інтелект зазвичай не міг передбачити екстремальні і незвичні погодні умови, зокрема тайфуни.

Щороку у світі відбувається близько 80 тайфунів. За даними Міністерства Китаю з питань надзвичайних ситуацій, у 2022 році лише у Китаї прямі економічні збитки через тайфуни сягнули 5,42 млрд юанів. Чим раніше можна буде отримувати попередження про стихійні лиха, тим простіше буде підготуватися до них.

Завдяки своїй швидкості інтелектуальні пристрої прогнозування погоди стали популярними, проте їм бракувало точності з двох причин. По-перше, наявні метеорологічні системи прогнозування на основі штучного інтелекту створювалися на базі 2D нейронних мереж, що не можуть ефективно обробляти нерівномірні 3D метеорологічні дані. По-друге, середньострокові прогнози погоди можуть постраждати від кумулятивних помилок прогнозування, коли система вмикається занадто часто.

Як Pangu Weather долає ці виклики?

Під час наукових випробувань Pangu Weather продемонструвала вищу точність порівняно з традиційними чисельними методами для прогнозування терміном від 1 години до 7 днів зі збільшеною у 10 000 разів швидкістю. Ця система може передбачити метеорологічні явища за лічені секунди, зокрема вологість, швидкість вітру, температуру та тиск на рівні моря.

Pangu Weather застосовує архітектуру 3D Earth-Specific Transformer (3DEST) для обробки складних неоднорідних 3D метеорологічних даних. Завдяки ієрархічній часовій стратегії агрегації модель була навчена різним інтервалам прогнозування — 1-, 3-, 6- і 24-годинним. Унаслідок цього значно зменшилася кількість ітерацій для прогнозування метеорологічних явищ у конкретний час, а також кількість помилкових прогнозів.

Для прогнозування у конкретні часові інтервали дослідники вивчили 100 епох (циклів), застосувавши погодинні зразки погодних даних за 1979–2021 роки. Кожна з субмоделей потребувала 16 днів навчання на 192 графічних картах V100. Наразі модель Pangu Weather може забезпечити 24/7 прогнозування погоди у всьому світі всього за 1,4 секунди на графічній карті V100, що у 10 000 разів краще порівняно з традиційними чисельними методами. 

Стабільна робота хмарних середовищ, робочі комплекти та відповідні експлуатація і техобслуговування є важливими для постійного вдосконалення провідних моделей прогнозування погоди на основі штучного інтелекту.