SG.hu
Nagy lépést tesz előre az időjárás-előrejelzés az új európai MI rendszerrel
Az akár 15 napra előre szóló előrejelzések nagyban javítják a szélsőséges események nyomon követését.
Nagy előrelépést ígér a mesterséges intelligencia segítségével történő jobb időjárás-előrejelzés egy új európai rendszer elindításával, amely akár 15 napra előre is képes felülmúlni a hagyományos előrejelzési módszereket. Miközben a technológiai vállalatok és a meteorológiai hivatalok világszerte már alkalmazzák a mesterséges intelligenciát az időjárásra, az Európai Középtávú Időjárás-előrejelző Központ (ECMWF) szerint működési modellje új utat nyitott azzal, hogy a globális előrejelzéseket bárki számára bármikor szabadon hozzáférhetővé teszi. "Ez a mérföldkő átalakítja az időjárástudományt és az előrejelzéseket” - mondta Florence Rabier, a kormányközi szervezetként működő ECMWF főigazgatója. "A mesterséges intelligencia-előrejelző rendszer működőképessé tétele az eddig elérhető legszélesebb körű, gépi tanulást alkalmazó paramétereket produkálja.”
Az elmúlt 18 hónapban tesztelt kísérleti változat azt mutatta, hogy a rendszer mintegy 20 százalékkal pontosabb a legfontosabb előrejelzésekben, mint a legjobb hagyományos módszerek, amelyeknél világszerte több millió időjárási megfigyelést táplálnak a szuperszámítógépekbe, és azokat fizikai alapú egyenletekkel értékelik. "Az új európai rendszer 12 órával előre meg tudja jósolni egy trópusi ciklon pályáját, ami értékes plusz figyelmeztető időt biztosít a súlyos eseményekhez" - mondta Florian Pappenberger, az ECMWF előrejelzési igazgatója. "Ma Európában a megbízható napi időjárás-előrejelzések hat-hét napra előre szólnak a csapadék és a szél tekintetében, a hőmérséklet tekintetében pedig akár 14-15 napra is. A gépi tanulási modelleknek jó esélyük van arra, hogy ezt kiterjesszék, mert talán képesek lesznek valamit kihozni az adatokból, amit jelenleg nem biztos, hogy elég jól reprezentálunk a fizikán alapuló modellekben.”
A világon 2024-ben volt a valaha mért legmelegebb a hőmérséklet, és Európa lett a leggyorsabban melegedő kontinens, ami szélsőséges időjárási eseményeket vált ki. Az ügynökség élen jár az éghajlatváltozás hatásainak megfigyelésében és a közvélemény figyelmének felkeltésében. A fejlesztés alatt álló egyéb, közepes hatótávolságú mesterséges intelligencia-előrejelző rendszerek közé tartozik a GenCast és a GraphCast a Google DeepMindtól, a Pangu-Weather a Huaweitől, a FourCastNet az Nvidiától és a FuXi a Shanghai Academy of AI for Science és a Fudan Egyetemtől. Mindegyiket az ECMWF által 40 év alatt összeállított időjárási megfigyelések adatbázisán képezték ki.
Pappenberger szerint nehéz összehasonlítani a versengő mesterséges intelligencia-előrejelző rendszerek pontosságát, mivel a relatív teljesítményük a vizsgált változók és időskálák szerint különbözik. Az ECMWF által közzétett pontszámok némi képet adnak a teljesítményről, de nem határoznak meg egy általános bajnokot. Pappenberger azonban megjegyezte, hogy rendszerük a szokásos hőmérséklet, csapadék és szél adatok előrejelzésénél sokkal több jellemzőt jelzett előre. Például a napsugárzást és a szélsebességet 100 méteres magasságban - egy tipikus turbina magasságában - is előre jelzi, ami hasznos a megújuló energiaforrások ágazatában.
Bár az ECMWF előrejelzései szabadon hozzáférhetők, az ügynökség nem ad ki riasztást a súlyos időjárási jelenségekről, és nem készít személyre szabott előrejelzéseket az ipari felhasználók számára, a speciális előrejelzéseket a nemzeti vagy helyi hatóságokra és a magánvállalkozásokra bízza. Az ECMWF és az európai nemzeti meteorológiai hivatalok egy csoportja a görög szélisten után Anemoi néven nyílt forráskódú technikai keretrendszert hozott létre a mesterséges intelligencia időjárási rendszerekhez. Az alapul szolgáló gépi tanulási architektúra ugyanazon a „gráf neurális hálózaton” alapul, mint a Google DeepMind előrejelző modelljei. Peter Battaglia, a DeepMind kutatási igazgatója szerint „lenyűgöző”, ahogy az ECMWF alkalmazkodott a mesterséges intelligencia hullámához, amely az elmúlt években átformálta a területet, és a legújabb nyílt modell a tudáskészletet gyarapítja.
Az ECMWF azt tervezi, hogy továbbfejleszti rendszerét a térbeli felbontás növelésével és a jelenlegi változatról, amely egyszerre csak egy előrejelzést készít, áttér az „ensemble-előrejelzésre”, azaz 50 előrejelzés egyidejűleg történő összeállítására, kissé eltérő kiindulási feltételekkel, hogy a lehetséges kimenetelű előrejelzések széles skálája álljon rendelkezésre. Kirstine Dale, az Egyesült Királyság Meteorológiai Hivatalának mesterséges intelligenciáért felelős vezetője szerint a jövőben a fizikán és az adatokon alapuló szimulációk keverékére lenne szükség, hogy „ezek együttes ereje pontos, gyors, megbízható és megbízható előrejelzéseket nyújtson”.
Nagy előrelépést ígér a mesterséges intelligencia segítségével történő jobb időjárás-előrejelzés egy új európai rendszer elindításával, amely akár 15 napra előre is képes felülmúlni a hagyományos előrejelzési módszereket. Miközben a technológiai vállalatok és a meteorológiai hivatalok világszerte már alkalmazzák a mesterséges intelligenciát az időjárásra, az Európai Középtávú Időjárás-előrejelző Központ (ECMWF) szerint működési modellje új utat nyitott azzal, hogy a globális előrejelzéseket bárki számára bármikor szabadon hozzáférhetővé teszi. "Ez a mérföldkő átalakítja az időjárástudományt és az előrejelzéseket” - mondta Florence Rabier, a kormányközi szervezetként működő ECMWF főigazgatója. "A mesterséges intelligencia-előrejelző rendszer működőképessé tétele az eddig elérhető legszélesebb körű, gépi tanulást alkalmazó paramétereket produkálja.”
Az elmúlt 18 hónapban tesztelt kísérleti változat azt mutatta, hogy a rendszer mintegy 20 százalékkal pontosabb a legfontosabb előrejelzésekben, mint a legjobb hagyományos módszerek, amelyeknél világszerte több millió időjárási megfigyelést táplálnak a szuperszámítógépekbe, és azokat fizikai alapú egyenletekkel értékelik. "Az új európai rendszer 12 órával előre meg tudja jósolni egy trópusi ciklon pályáját, ami értékes plusz figyelmeztető időt biztosít a súlyos eseményekhez" - mondta Florian Pappenberger, az ECMWF előrejelzési igazgatója. "Ma Európában a megbízható napi időjárás-előrejelzések hat-hét napra előre szólnak a csapadék és a szél tekintetében, a hőmérséklet tekintetében pedig akár 14-15 napra is. A gépi tanulási modelleknek jó esélyük van arra, hogy ezt kiterjesszék, mert talán képesek lesznek valamit kihozni az adatokból, amit jelenleg nem biztos, hogy elég jól reprezentálunk a fizikán alapuló modellekben.”
A világon 2024-ben volt a valaha mért legmelegebb a hőmérséklet, és Európa lett a leggyorsabban melegedő kontinens, ami szélsőséges időjárási eseményeket vált ki. Az ügynökség élen jár az éghajlatváltozás hatásainak megfigyelésében és a közvélemény figyelmének felkeltésében. A fejlesztés alatt álló egyéb, közepes hatótávolságú mesterséges intelligencia-előrejelző rendszerek közé tartozik a GenCast és a GraphCast a Google DeepMindtól, a Pangu-Weather a Huaweitől, a FourCastNet az Nvidiától és a FuXi a Shanghai Academy of AI for Science és a Fudan Egyetemtől. Mindegyiket az ECMWF által 40 év alatt összeállított időjárási megfigyelések adatbázisán képezték ki.
Pappenberger szerint nehéz összehasonlítani a versengő mesterséges intelligencia-előrejelző rendszerek pontosságát, mivel a relatív teljesítményük a vizsgált változók és időskálák szerint különbözik. Az ECMWF által közzétett pontszámok némi képet adnak a teljesítményről, de nem határoznak meg egy általános bajnokot. Pappenberger azonban megjegyezte, hogy rendszerük a szokásos hőmérséklet, csapadék és szél adatok előrejelzésénél sokkal több jellemzőt jelzett előre. Például a napsugárzást és a szélsebességet 100 méteres magasságban - egy tipikus turbina magasságában - is előre jelzi, ami hasznos a megújuló energiaforrások ágazatában.
Bár az ECMWF előrejelzései szabadon hozzáférhetők, az ügynökség nem ad ki riasztást a súlyos időjárási jelenségekről, és nem készít személyre szabott előrejelzéseket az ipari felhasználók számára, a speciális előrejelzéseket a nemzeti vagy helyi hatóságokra és a magánvállalkozásokra bízza. Az ECMWF és az európai nemzeti meteorológiai hivatalok egy csoportja a görög szélisten után Anemoi néven nyílt forráskódú technikai keretrendszert hozott létre a mesterséges intelligencia időjárási rendszerekhez. Az alapul szolgáló gépi tanulási architektúra ugyanazon a „gráf neurális hálózaton” alapul, mint a Google DeepMind előrejelző modelljei. Peter Battaglia, a DeepMind kutatási igazgatója szerint „lenyűgöző”, ahogy az ECMWF alkalmazkodott a mesterséges intelligencia hullámához, amely az elmúlt években átformálta a területet, és a legújabb nyílt modell a tudáskészletet gyarapítja.
Az ECMWF azt tervezi, hogy továbbfejleszti rendszerét a térbeli felbontás növelésével és a jelenlegi változatról, amely egyszerre csak egy előrejelzést készít, áttér az „ensemble-előrejelzésre”, azaz 50 előrejelzés egyidejűleg történő összeállítására, kissé eltérő kiindulási feltételekkel, hogy a lehetséges kimenetelű előrejelzések széles skálája álljon rendelkezésre. Kirstine Dale, az Egyesült Királyság Meteorológiai Hivatalának mesterséges intelligenciáért felelős vezetője szerint a jövőben a fizikán és az adatokon alapuló szimulációk keverékére lenne szükség, hogy „ezek együttes ereje pontos, gyors, megbízható és megbízható előrejelzéseket nyújtson”.