Gatavs datu vadīts laika prognozēšanas risinājums no sākuma līdz beigām
Pētnieku izstrādāta jauna laika prognozēšanas sistēma
Catherine Breslin & Tania Duarte / AI silīcija mākoņu kolāža / Licencēts ar CC-BY 4.0
Jauna mākslīgā intelekta (AI) laika prognozēšanas sistēma, ko izstrādājuši Kembridžas Universitātes pētnieki, spēj nodrošināt precīzas prognozes, izmantojot mazāk skaitļošanas resursu nekā pašreizējās AI un fizikas pamatā esošās prognozēšanas sistēmas.
Sistēma, kas nosaukta par Aardvark Weather, ir atbalstīta no Alana Tjūringa institūta, Microsoft Research un Eiropas Vidēja termiņa laika prognožu centra. Tā piedāvā jaunu pieeju laika prognozēšanai ar potenciālu uzlabot pašreizējās prakses. Rezultāti ir publicēti žurnālā Nature.
“Aardvark pārveido pašreizējās laika prognozēšanas metodes, piedāvājot iespēju veidot laika prognozes ātrāk, lētāk, elastīgāk un precīzāk nekā jebkad agrāk,” teica profesors Ričards Tērners no Kembridžas Inženierzinātņu fakultātes, kurš vadīja pētījumu. “Aardvark ir tūkstošiem reižu ātrāka nekā visas iepriekšējās laika prognozēšanas metodes.”
Pašreizējās laika prognozes tiek veidotas, izmantojot sarežģītu posmu kopumu, kur katrs prasa vairākas stundas darba uz jaudīgiem superdatoriem. Papildus ikdienas lietošanai šo sistēmu izstrāde, uzturēšana un lietošana prasa ievērojamu laiku un lielas ekspertu komandas.
Nesen Huawei, Google un Microsoft pētījumi ir parādījuši, ka vienu no laika prognozēšanas komponentēm – skaitlisko risinātāju (kas aprēķina, kā laiks mainās laika gaitā) – var aizstāt ar AI, iegūstot ātrākas un precīzākas prognozes. Šo AI un tradicionālo pieeju kombināciju tagad izmanto Eiropas Vidēja termiņa laika prognožu centrs (ECMWF).
Taču ar Aardvark pētnieki ir aizstājuši visu laika prognozēšanas procesu ar vienu vienkāršu mašīnmācīšanās modeli. Jaunais modelis ievada novērojumus no satelītiem, laika stacijām un citiem sensoriem un izvada gan globālās, gan vietējās prognozes.
Šī pilnībā ar AI vadītā pieeja nozīmē, ka prognozes, kuras iepriekš veidoja, izmantojot daudzus modeļus – katrs no tiem prasot superdatoru un lielu atbalsta komandu – tagad var izveidot dažu minūšu laikā uz parasta datora.
Izmantojot tikai 10% no esošo sistēmu ievaddatiem, Aardvark jau tagad pārspēj ASV nacionālo GFS prognozēšanas sistēmu vairākos parametros. Tā arī ir konkurētspējīga ar ASV Laika dienesta prognozēm, kuras izmanto desmitiem laika modeļu un ekspertu cilvēku analīzi.
“Šie rezultāti ir tikai Aardvark iespēju sākums,” teica pirmā autore Anna Alena no Kembridžas Datorzinātņu un tehnoloģiju fakultātes. “Šo pilnībā datu vadīto pieeju var viegli pielāgot citiem laika prognozēšanas uzdevumiem, piemēram, viesuļvētrām, meža ugunsgrēkiem un tornādiem. Vēlāk tās pielietojums varētu attiekties uz plašāku Zemes sistēmu prognozēšanu, tostarp gaisa kvalitāti, okeānu dinamiku un jūras ledus prognozēm.”
Pētnieki norāda, ka viens no aizraujošākajiem Aardvark aspektiem ir tās elastība un vienkāršais dizains. Tā kā tā mācās tieši no datiem, to var ātri pielāgot, lai radītu pielāgotas prognozes konkrētām nozarēm vai vietām – vai tas būtu temperatūru prognozēšana Āfrikas lauksaimniecībai vai vēja ātruma prognozes Eiropas atjaunojamās enerģijas uzņēmumam.
Šis ir liels kontrasts tradicionālajām laika prognozēšanas sistēmām, kur pielāgotas sistēmas izveide prasa vairāku gadu darbu un lielu pētnieku komandu.
“Laika prognozēšanas sistēmas, uz kurām mēs visi paļaujamies, ir attīstītas gadu desmitiem, bet tikai 18 mēnešu laikā mēs esam spējuši izveidot kaut ko, kas konkurē ar labākajām no šīm sistēmām, izmantojot tikai desmito daļu no datiem uz parasta datora,” teica Tērners, kurš ir arī Alana Tjūringa institūta Laika prognozēšanas pētniecības vadītājs.
Šīs iespējas ir potenciāls, lai pārveidotu laika prognozēšanu attīstības valstīs, kur parasti nav pieejama nepieciešamā ekspertīze un skaitļošanas resursi tradicionālu sistēmu izstrādei.
“AI potenciāla atbrīvošana pārveidos lēmumu pieņemšanu visiem – no politikas veidotājiem un ārkārtas situāciju plānotājiem līdz nozarēm, kuras paļaujas uz precīzām laika prognozēm,” teica doktors Skots Hoskings no Alana Tjūringa institūta. “Aardvark pārrāvums nav tikai ātruma jautājums, tas ir pieejamības jautājums. Pārceļot laika prognozēšanu no superdatoriem uz parastiem datoriem, mēs varam demokratizēt prognozēšanu, padarot šīs jaudīgās tehnoloģijas pieejamas attīstības valstīm un datu trūkuma reģioniem visā pasaulē.”
“Aardvark nebūtu bijis iespējams bez gadu desmitiem ilgas fizisko modeļu attīstības no kopienas puses, un mēs īpaši pateicamies ECMWF par to ERA5 datu kopu, kas ir būtiska Aardvark apmācībai,” teica Tērners.
“Ir būtiski, lai akadēmiskā vide un rūpniecība strādātu kopā, lai risinātu tehnoloģiskos izaicinājumus un izmantotu jaunas iespējas, ko piedāvā AI,” teica Metjū Čantri no ECMWF. “Aardvark pieeja apvieno gan modulāritāti, gan pilnīgu prognozēšanas optimizāciju, nodrošinot efektīvu pieejamo datu kopu izmantošanu.”
“Aardvark pārstāv ne tikai nozīmīgu sasniegumu AI laika prognozēšanā, bet arī atspoguļo sadarbības spēku un pētniecības kopienas apvienošanos, lai uzlabotu un pielietotu AI tehnoloģijas jēgpilnā veidā,” teica doktors Kriss Bišops no Microsoft Research.
Nākamie Aardvark soļi ietver jaunas komandas izveidi Alana Tjūringa institūtā, kuru vadīs Tērners, un kas izpētīs iespējas ieviešot Aardvark globālajā dienvidos un integrēt tehnoloģiju institūta plašākajos darbos, lai attīstītu augstas precizitātes vides prognozes laikam, okeāniem un jūras ledum.
Pilnais pētījums
End-to-end data-driven weather prediction, Anna Vaughan, Stratis Markou, Will Tebbutt, James Requeima, Wessel P. Bruinsma, Tom R. Andersson, Michael Herzog, Nicholas D. Lane, Matthew Chantry, J. Scott Hosking, Richard E. Turner, Nature (2025).
https://aihub.org/2025/04/04/end-to-end-data-driven-weather-prediction/