Aurora: Искусственный интеллект, который предсказывает погоду лучше традиционных методов

Новая модель искусственного интеллекта (ИИ) способна прогнозировать крупные погодные явления быстрее и точнее, чем многие из самых распространённых мировых систем прогнозирования.

Модель под названием Aurora обучена на более чем 1 миллионе часов глобальных атмосферных данных, включая показания метеостанций, спутниковые снимки и радиолокационные измерения. Учёные из Microsoft утверждают, что это, вероятно, самый большой набор данных, когда-либо использованный для обучения ИИ-модели погоды.

Точность, превосходящая официальные прогнозы

Aurora правильно предсказала, что тайфун Doksuri обрушится на север Филиппин за четыре дня до его выхода на сушу в июле 2023 года. В то время официальные прогнозы указывали, что тайфун достигнет Тайваня — в нескольких сотнях километров от реальной точки удара.

Кроме того, модель превзошла стандартные инструменты прогнозирования, используемые такими организациями, как Национальный центр ураганов США и Объединённый центр предупреждения о тайфунах. Aurora выдавала более точные пятидневные траектории штормов и создавала высокодетализированные прогнозы в 5000 раз быстрее, чем традиционные метеомодели, работающие на суперкомпьютерах.

В более широком смысле, Aurora обошла существующие системы в 91% случаев при прогнозировании погодных условий на 14-дневный период. Результаты исследования были опубликованы 21 мая в журнале Nature.

Будущее прогнозирования: единая система для всей планеты

Исследователи надеются, что Aurora и подобные модели могут стать основой для нового подхода к прогнозированию окружающей среды — Earth system forecasting, где единая ИИ-модель одновременно анализирует погоду, качество воздуха и состояние океанов. Это позволит получать более быстрые и согласованные прогнозы, особенно в регионах с ограниченным доступом к мощным вычислительным ресурсам или комплексной мониторинговой инфраструктуре.

Aurora относится к классу фундаментальных моделей ИИ (foundation models) — таким же, как и ChatGPT. Эти модели могут адаптироваться к разным задачам, поскольку обучаются на общих закономерностях, а не создаются для узкоспециализированных целей.

Гибкость и превосходство в экстремальных условиях

В отличие от традиционных моделей, Aurora можно быстро донастроить для различных сценариев с минимальными дополнительными данными. Это особенно важно для прогнозирования экстремальных явлений.

Например, Aurora успешно предсказала крупную песчаную бурю в Ираке в 2022 году, несмотря на ограниченные данные о качестве воздуха. Она также превзошла модели волнового моделирования в 86% тестов, точнее определяя высоту и направление океанских волн.

«Эта модель может оказать огромное влияние, поскольку её можно адаптировать под любые задачи… особенно в странах, где традиционные методы прогнозирования недостаточно развиты», — говорит Меган Стэнли, соавтор исследования и старший научный сотрудник Microsoft.

Доступность и интеграция

Microsoft сделала код и данные обучения Aurora открытыми для исследований. Модель уже интегрирована в сервисы, такие как MSN Weather, который используется в погодном приложении Windows и поисковой системе Bing.

В будущем подобные ИИ-системы могут революционизировать не только метеорологию, но и климатическое моделирование, помогая человечеству лучше подготовиться к стихийным бедствиям.