Legújabb fejlesztésük, a GenCast nevű gépi tanulási modell képes felülmúlni a világ legjobb hagyományos előrejelzési rendszereit. A DeepMind szerint ez a technológia akár örökre megváltoztathatja az időjárás előrejelzésének módszereit - írta a HVG.
A hagyományos időjárás-előrejelzés a légköri dinamikát szimuláló, összetett egyenleteken alapul. Ezek a számítások gyakran szuperszámítógépeket és többórás feldolgozási időt igényelnek, különösen, ha hosszú távú vagy nagy felbontású előrejelzésekről van szó. A DeepMind ezzel szemben a gépi tanulást vetette be a folyamat gyorsítására és pontosítására.
Az új modell, a GenCast előzményei között található a tavaly bemutatott GraphCast, amely már akkor is kevesebb mint egy perc alatt adott 10 napos előrejelzéseket, és az esetek 90 százalékában pontosabb volt a hagyományos módszereknél. Ezt követte a NeuralGCM, egy hibrid modell, amely a fizikai alapú előrejelzést kombinálta gépi tanulási elemekkel.
A GenCast modell működése a történelmi időjárási adatokra épül. Ez lehetővé teszi, hogy a rendszer bonyolult összefüggéseket találjon olyan változók között, mint a légnyomás, páratartalom, hőmérséklet és szél. „Ez segít abban, hogy felülmúlja a szigorúan fizikán alapuló rendszereket” – nyilatkozta Ilan Price, a DeepMind kutatója és a GenCastet részletező tanulmány szerzője.
A tesztek során a kutatók a GenCastet a 2018-ig rögzített adatokkal tanították, majd a 2019-es időjárási minták előrejelzésére használták. Az eredmények lenyűgözőek: a modell 15 napos globális előrejelzéseket készített 27 km-es felbontással, mindössze nyolc perc alatt. Ráadásul a GenCast előrejelzési pontossága a hagyományos ENS-modellt messze felülmúlta.
Bár a GenCast forradalmi, nem hibátlan. A modell jelenleg korábbi adatokra támaszkodik, ami korlátozhatja a valós idejű frissítések kezelésében. Emellett még nem világos, hogy hogyan kezeli a „pillangóeffektusokat”, vagyis a mikroklímára ható apró, de gyorsan felerősödő változásokat. A GenCast integrálása a meglévő időjárási infrastruktúrába szintén kihívást jelent.
Ennek ellenére a modell technológiája széleskörűen alkalmazható lehet, például éghajlat-modellezésben, katasztrófakockázat-értékelésben és akár bolygótudományi kutatásokban is. A DeepMind a GenCast kódját nyílt forráskódúvá tette, és a modellparamétereket „nem kereskedelmi használatra” elérhetővé teszik. „Ez lehetővé teszi a szélesebb kutatói és meteorológiai közösség számára, hogy részt vegyen munkánkban, tesztelje, lefuttassa és építsen rá” – mondta Price.
Bár még nem ismert, hogy a GenCast mikor kerül éles használatba, a Google már dolgozik azon, hogy a modell eredményeit beépítse különféle szolgáltatásaiba.
