​​❓Что можно сделать с 505 петабайтами данных о климате, которые метеорологи накопили с 1940-го года

Оказавшись в распоряжении нейросети, эти огромные архивы информации о климатических изменениях становятся основой для точных прогнозов погоды. В метеорологии большие данные и машинное обучение открывают новые горизонты, меняя правила игры.

Яркий пример такого подхода — GenCast от Google DeepMind, использующий новаторский для синоптиков метод диффузного моделирования. В отличие от традиционных моделей, эта система определяет движение воздушных масс не с помощью ресурсоёмких математических вычислений, а благодаря нейросетевой обработке данных — тех самых петабайт из уникальной копилки синоптиков.

Процесс любопытный — начинается с того, что эти данные намеренно «загрязняют» информационным шумом, а затем постепенно вычищают и уточняют. Так через 20 итераций и рождаются реалистичные погодные паттерны. Причём, такой подход позволяет создавать не один, а сразу 50 вероятных сценариев развития погоды, что важно для предсказания стихийных бедствий.

Конкретный пример: тайфун Хагибис, траектории которого GenCast просчитала за 15 дней до его появления, оставив традиционные модели прогнозирования далеко позади.

В новом тексте разбираем детали: как работает диффузное моделирование в метеорологии и в чём его уникальность, а также рассказываем про перспективные альтернативы GenCast и интересные российские ИИ-разработки в сфере прогнозирования погоды.

Читать ➡

#научпоп #AI #ML #алгоритмы

@ultimate_engineer