Рекордные температуры, дожди и штормы предсказать им пока труднее.
Метеорологи и климатологи начали использовать машинное обучение для вычисления прогнозов погоды. Модели ИИ функционируют быстрее традиционных систем и требуют меньше вычислительных ресурсов.
Алгоритмы обучаются на данных о состоянии атмосферы за различные временные промежутки. После процесса обучения они выявляют схожие закономерности и предсказывают дальнейшие изменения. Например, модель AIFS Европейского центра среднесрочных прогнозов погоды формирует прогноз приблизительно за три минуты, в то время как традиционной модели IFS на это необходимо около получаса. Энергетические затраты различаются примерно в тысячу раз.
Тем не менее, нейросеть основывается только на тех данных, на которых проходило обучение. Если возникает редкое или необычное явление, точно предсказать его ИИ пока не в состоянии. Исследования показывают, что такие модели часто недооценивают силу и масштаб экстремальных погодных явлений. Для климатических расчетов прогнозирования недостаточно полагаться только на исторические данные. Ученым требуется оценивать сценарии, которых еще не наблюдали в истории. Например, последствия будущих выбросов парниковых газов.
Поэтому исследователи не отказываются от физических моделей. Вместо этого им передаются отдельные задачи, требующие значительных вычислительных затрат. Например, расчет снежного покрова, облачности или настройка параметров модели.
