Искусственный интеллект прогнозирует погоду. Сможет ли он предсказывать необычные погодные явления?

Все более мощные модели искусственного интеллекта способны давать краткосрочные прогнозы погоды с удивительной точностью. Однако, нейронные сети предсказывают только на основе моделей, обученных на данных прошлого. А что происходит, когда с погодой происходит что-то беспрецедентное?

Новое исследование, проведенное учеными из Чикагского университета в сотрудничестве с Нью-Йоркским университетом и Калифорнийским университетом Санта-Крус, проверяет возможности прогнозирования погоды с помощью искусственного интеллекта. В исследовании, опубликованном в мае этого года в журнале Proceedings of the National Academy of Sciences, они констатируют, что современные нейронные сети не могут прогнозировать погодные явления, выходящие за рамки существующих обучающих данных. А это может привести к игнорированию таких возможных катастрофических событий, как наводнения, беспрецедентная жара или мощные ураганы.

По словам авторов, учитывать это ограничение особенно важно, поскольку исследователи часто используют нейронные сети для оперативного прогнозирования погоды, систем раннего предупреждения и даже оценки долгосрочных рисков. Однако учёные отмечают, что есть способы решения проблемы путем имплементации большего количества математических и физических моделей в инструменты искусственного интеллекта.

“Погодные модели с использованием искусственного интеллекта являются одним из величайших достижений в области искусственного интеллекта в науке. Мы обнаружили, что они замечательны, но не волшебны”, – сказал Педрам Хассанзаде, доцент кафедры геофизических наук в университете штата Калифорния и соавтор исследования. – «Эти модели появились у нас всего несколько лет назад, так что есть ещё много возможностей для инноваций”.

События «серого лебедя»*

(*Серый лебедь – это событие, которое известно и может произойти, но считается маловероятным. Термин происходит из теории «черного лебедя», которая описывает событие, которое неизвестно и маловероятно)

Прогнозирование погоды работает аналогично другим нейронным сетям, например, таким как ChatGPT, с которым сейчас взаимодействует большое множество людей.

По сути, модель “обучают”, вводя в нее набор текстов или изображений, а затем запрашивают поиск закономерностей. После того как пользователь сформирует вопрос модели, она обращается к данным, на которых обучена, и использует их для прогнозирования ответа.

В случае с прогнозами погоды метеорологи обучают нейронные сети, загружая в них данные о погоде за десятилетия. Затем пользователь может ввести данные о текущих погодных условиях и попросить модель предсказать погоду на ближайшие несколько дней.

Модели искусственного интеллекта в этом оказались особенно хороши. По словам Хассанзаде, в целом они могут достичь той же точности, что и самые современные модели погоды на базе суперкомпьютеров, которые используют в 10 000-100 000 раз больше времени и энергии.

“Эти модели очень хорошо справляются с повседневной погодой”, – сказал он. “Но что, если на следующей неделе произойдет необычное погодное событие?”

Проблема в том, что нейронная сеть обрабатывает только те погодные данные, которые у нас есть на данный момент и с глубиной ретроспективы около 40 лет. Но это далеко не весь спектр возможных погодных условий.

“Например, наводнения, вызванные ураганом “Харви” в 2017 году, считались событием, которое случается раз в 2000 лет”, – сказал Хассанзаде. “Но они могут произойти”. Ученые иногда называют такие события “серыми лебедями”.

Команда исследователей решила проверить возможности моделей искусственного интеллекта на примере ураганов. Они обучили нейронную сеть, используя данные о погоде за десятилетия, но удалили все ураганы, более мощные, чем категория 2. Затем они загрузили атмосферные условия, которые через несколько дней привели к урагану 5-й категории. Таким образом сделана попытка узнать, сможет ли модель экстраполировать данные, чтобы предсказать силу урагана? Ответ оказался отрицательным.

“Модель всегда недооценивала событие. Она знает, что что-то надвигается, но всегда предсказывает, что это будет ураган только 2-й категории”, – сказал Юнцян Сун, научный сотрудник UChicago и другой соавтор исследования.

Такого рода ошибки, известные как ложноотрицательные, имеют важное значение при прогнозировании погоды. Если в прогнозе говорится, что шторм будет относиться к урагану 5-й категории, а на самом деле – всего лишь ко 2-й категории, то скорее всего люди, которые, возможно, в этом не нуждались, были всё же эвакуированы, что в целом не очень хорошо. Но если прогноз недооценил ураган, который относится к 5-й категории, последствия окажутся гораздо хуже.

Предупреждения об ураганах и почему важна физика

Большое различие между нейронными сетями и традиционными моделями погоды заключается в том, что традиционные модели “понимают” физику явлений. Ученые разрабатывают их, чтобы учесть наше понимание математики и физики, которые управляют динамикой атмосферы, струйными течениями и другими погодными явлениями.

Нейронные сети не делают ничего из этого. Также как и ChatGPT они просто учитывают текущие на погодные условия и предполагают, что будет дальше, основываясь на том, что происходило в прошлом.

Ни один крупный сервис в настоящее время не использует для прогнозирования только модели искусственного интеллекта. И по мере расширения их использования необходимо будет учитывать эту тенденцию, сказал Хассанзаде.

Исследователи, от метеорологов до экономистов, начинают использовать ИИ для оценки долгосрочных рисков. Например, они могут попросить ИИ сгенерировать множество примеров погодных условий, чтобы мы могли увидеть наиболее экстремальные явления, которые могут произойти в каждом регионе в будущем. Но если ИИ не сможет предсказать что-либо более серьёзное, чем то, что он видел раньше, его полезность для решения этой важной задачи будет ограничена.

Тем не менее, авторы исследования обнаружили, что модель всё же может предсказывать более сильные ураганы, если в ее обучающих данных присутствует хоть какой-либо прецедент, произошедший даже в других странах мира. Например, оказалось, что если удалить все свидетельства атлантических ураганов, но оставить данные о тихоокеанских ураганах, то модель можно экстраполировать для прогнозирования атлантических ураганов.

“Это было удивительное и обнадеживающее открытие: это означает, что модели могут прогнозировать события, которые никогда не были представлены в одном регионе, но время от времени происходили в другом”, – сказал Хассанзаде.

Объединение подходов

Решение, предложенное исследователями, заключается в том, чтобы начать внедрять математические инструменты и принципы физики атмосферы в модели, основанные на искусственном интеллекте.

“Мы рассчитываем на то, что если модели искусственного интеллекта действительно смогут включать информацию о динамике атмосферы, они смогут предсказывать и появление серых лебедей”, – сказал Хассанзаде.

Как это сделать – актуальная задача. Один из многообещающих подходов, который использует команда, называется активным обучением, когда ИИ помогает управлять традиционными моделями погоды, основанными на физике, для создания большего количества примеров экстремальных явлений, которые затем могут быть использованы для улучшения обучения ИИ.

“Более длинные наборы моделируемых или наблюдаемых данных не сработают. Нам нужно подумать о более разумных способах получения данных”, – сказал Джонатан Уир, профессор Института математических наук Куранта при Нью-Йоркском университете и соавтор исследования. “В данном случае это означает ответ на вопрос: “Где я должен разместить свои данные для обучения, чтобы добиться лучшей производительности для экстремальных условий?” К счастью, мы считаем, что сами погодные модели искусственного интеллекта в сочетании с правильными математическими инструментами смогут помочь ответить на этот вопрос”.

Источник: ScienceDaily

Изображение от Freepik.com