Google DeepMind и Google Research представили Weather Lab — интерактивный веб-сайт, предоставляющий доступ к экспериментальным метеорологическим моделям на основе искусственного интеллекта. Ключевой особенностью проекта является новая модель прогнозирования тропических циклонов, использующая стохастические нейронные сети. Эта модель способна предсказывать формирование, траекторию, интенсивность, размер и форму циклонов, генерируя до 50 возможных сценариев на срок до 15 дней.

Разработчики опубликовали научную статью, описывающую принципы работы модели, и разместили в Weather Lab архив исторических данных о траекториях циклонов для независимой оценки и обратного тестирования. Тесты модели показали, что точность прогнозов траектории и интенсивности циклонов, сопоставима, а зачастую и превосходит точность существующих физических моделей.

В рамках сотрудничества с Национальным центром ураганов США (NHC), специалисты NHC получили доступ к прогнозам экспериментальной AI-модели в режиме реального времени наряду с данными других моделей и наблюдениями. Это позволяет экспертам NHC оценить потенциал AI-модели для улучшения прогнозов и своевременного оповещения о связанных с циклонами опасностях. Weather Lab демонстрирует как актуальные, так и исторические прогнозы различных моделей, включая физические модели Европейского центра среднесрочных прогнозов погоды (ECMWF).

Физические модели прогнозирования циклонов сталкиваются с компромиссом: сложно добиться высокой точности как в прогнозировании траектории, так и интенсивности. Экспериментальная модель Google DeepMind решает эту проблему, демонстрируя передовые показатели точности для обоих параметров.

Обучение модели проводилось на основе обширного набора данных, включающего реконструкцию прошлой погоды по всему миру и специализированную базу данных о траекториях, интенсивности, размерах и радиусах ветра почти 5000 циклонов за последние 45 лет. Результаты тестирования на данных NHC за 2023 и 2024 годы в бассейнах Северной Атлантики и Восточной части Тихого океана показали, что пятидневный прогноз траектории циклона от новой модели в среднем на 140 км точнее, чем у ведущей глобальной физической ансамблевой модели ENS от ECMWF. Кроме того, модель превосходит по точности прогнозирования интенсивности ведущую региональную физическую модель HAFS от NOAA.

Результаты сотрудничества подтверждают перспективность использования инструментов на базе ИИ для повышения точности прогнозирования тропических циклонов и улучшения подготовки к стихийным бедствиям.