Przełom DeepMind w prognozowaniu huraganów zaskakuje naukowców

Model sztucznej inteligencji WeatherNext, stworzony przez Google DeepMind i Google Research, znacząco poprawił dokładność prognozowania huraganów, zaskakując nawet samych naukowców. Dzięki niemu, prognozy na trzy dni do przodu są tak precyzyjne, jak wcześniejsze prognozy na dwa dni, co daje dodatkową dobę na przygotowania przed nadejściem żywiołu.

Dodatkowy dzień ma znaczenie

Mike Brennan, dyrektor US National Hurricane Center, podkreśla, że nawet kilka godzin może mieć kluczowe znaczenie w przypadku huraganów. Organizacja ewakuacji, przygotowanie zapasów czy relokacja zasobów to zadania wrażliwe na czas, a błędne decyzje mogą mieć katastrofalne konsekwencje. Brennan zaznacza, że możliwość wydłużenia dokładnego prognozowania o cały dzień jest niezwykle cenna. Naukowcy wskazują, że historycznie, osiągnięcie takiego postępu wymagało dekady pracy.

Przykładem skuteczności WeatherNext jest Huragan Melissa, który uderzył w Jamajkę w październiku 2025 roku. Model AI przewidział z 80-procentową pewnością, że burza, początkowo kategorii 1, uderzy jako huragan kategorii 5, pięć dni przed jej nadejściem. Był to pierwszy raz, kiedy National Hurricane Centre było w stanie przewidzieć huragan kategorii 5, gdy burza była jeszcze w początkowej fazie. Dzięki temu, społeczności na Karaibach miały więcej czasu na przygotowanie się do katastrofalnych powodzi i osunięć ziemi.

Wyzwania w prognozowaniu ekstremalnych zjawisk

Prognozowanie ekstremalnych zjawisk pogodowych jest szczególnie trudne dla sztucznej inteligencji, ponieważ wymagają one dużej ilości danych treningowych, a zjawiska te są z natury rzadkie. Ferran Alet, naukowiec z Google DeepMind i jeden z głównych autorów artykułu w Nature, wyjaśnia, że choć danych o cyklonach jest niewiele, to dostępnych jest wiele danych pogodowych. Dlatego model został przeszkolony tak, aby dobrze radzić sobie zarówno z ogólnymi warunkami pogodowymi, jak i z cyklonami.

Kate Musgrave, liderka grupy ds. cyklonów tropikalnych w Cooperative Institute for Research in the Atmosphere i współautorka publikacji, dodaje, że huragany są trudne do przewidzenia ze względu na ich działanie w wielu skalach przestrzennych. Prognozowanie trajektorii burzy wymaga danych globalnych, takich jak położenie frontów chłodnych i dominujących wiatrów. Z kolei przewidywanie intensywności burzy wymaga danych o znacznie mniejszej skali, skupionych na lokalnych warunkach atmosferycznych i oceanicznych. Wcześniejsze modele AI dobrze radziły sobie z trajektorią, ale nie z intensywnością. WeatherNext potrafi przewidywać oba te aspekty, co jest kluczowe, ponieważ zmiana intensywności może oznaczać różnicę między stosunkowo słabą burzą a potężnym huraganem.

Niespodziewana skuteczność i „czarna skrzynka” AI

Co ciekawe, nawet sami badacze DeepMind nie do końca rozumieją, w jaki sposób model AI osiąga tak wysoką dokładność, używając danych atmosferycznych o znacznie niższej rozdzielczości niż tradycyjne modele. Ferran Alet wspomina, że społeczność naukowa była zszokowana, gdy dowiedziała się, że model wykorzystuje dane o relatywnie niskiej rozdzielczości. Oznacza to, że te mniej szczegółowe dane zawierają więcej informacji o przyszłych zjawiskach, niż wcześniej sądzono. Alet określa to jako „czarną skrzynkę”, która jednak daje fizykom sygnał, że dzieje się coś, co nie było wcześniej rozumiane.

Model WeatherNext nie generuje pojedynczej prognozy, lecz przedstawia zakres potencjalnych scenariuszy rozwoju burzy. Pomaga to uwzględnić tzw. „efekt motyla”, gdzie niewielkie odchylenie od trendu może prowadzić do znacznie większych zmian w przyszłości. Początkowo model tworzył 50 scenariuszy na burzę, a obecnie generuje ich 1000. Jest to coś, czego tradycyjne modele numeryczne nie są w stanie osiągnąć ze względu na ograniczenia mocy obliczeniowej.

Otwartość i przyszłość prognozowania

Mike Brennan podkreśla, że model DeepMind to cenne narzędzie, ale jest tylko jednym z wielu. Zaznacza, że nie ma gwarancji, iż jeden model będzie zawsze najlepszy. Element ludzki pozostaje kluczowy, ponieważ eksperci są niezbędni do interpretacji prognoz i przekładania ich na realne skutki, które ratują życie. Google DeepMind ogłosiło, że udostępnia modele WeatherNext w ramach open-source, aby inni badacze mogli je wykorzystywać i udoskonalać. Alet ma nadzieję, że otwartość modeli przyczyni się do nowych odkryć naukowych dotyczących działania cyklonów, widząc w AI nowe narzędzia do zgłębiania praw wszechświata.

Rozwój takich narzędzi jak WeatherNext stanowi znaczący krok naprzód w dziedzinie meteorologii, oferując nie tylko lepszą ochronę życia i mienia, ale także otwierając nowe perspektywy dla badań naukowych nad złożonymi zjawiskami atmosferycznymi. Możliwość wcześniejszego i dokładniejszego przewidywania ekstremalnych zdarzeń pogodowych może zrewolucjonizować zarządzanie kryzysowe i planowanie w regionach zagrożonych huraganami, jednocześnie inspirując do dalszych innowacji w wykorzystaniu sztucznej inteligencji w nauce.

Źródło: arstechnica.com