Microsoft udostępnił narzędzie do prognoz pogody na 2–6 tygodni — The Verge

Microsoft udostępnił publicznie narzędzie uczenia maszynowego Probabilistic Bias Correction (PBC), przeznaczone do zwiększania dokładności prognoz pogody na okres od dwóch do sześciu tygodni. Wyniki pracy badaczy opublikowano w czasopiśmie Nature, informuje The Verge.

PBC nie jest odrębnym modelem prognozowania pogody. Metoda wykorzystuje uczenie maszynowe do wykrywania i korygowania systematycznych błędów w istniejących już modelach fizycznych i AI. Zdaniem twórców może to pomóc rolnikom i służbom ratunkowym w dokładniejszym planowaniu działań z wyprzedzeniem.

Korygowanie błędów modeli

Fizyczne modele prognostyczne odtwarzają złożone procesy w atmosferze Ziemi, natomiast modele oparte na sztucznej inteligencji poszukują prawidłowości w danych historycznych. Oba podejścia stają się mniej wiarygodne, gdy prognozują pogodę na dwa tygodnie lub dłużej. Przyczyną są przybliżenia potrzebne do wypełnienia luk w danych — w szczególności w regionach z niewystarczającą liczbą stacji meteorologicznych lub podczas modelowania zjawisk atmosferycznych, które nie zostały jeszcze w pełni zbadane.

Takie błędy mogą kumulować się z czasem i obniżać dokładność prognoz długoterminowych. Jednym z przykładów podanych przez badaczy jest zmiana klimatu: model, który w dużej mierze opiera się na wskaźnikach historycznych, może być obciążony w kierunku niższych temperatur niż te odpowiadające obecnemu ociepleniu planety.

Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.

Wyniki testów

W badaniu PBC poprawiło dokładność wiodącego modelu fizycznego Europejskiego Centrum Prognoz Średnioterminowych (ECMWF) dla 98% docelowych wskaźników opadów i 92% docelowych wskaźników temperatury. W ramach analizy podejście to dwukrotnie zwiększyło również dokładność nowego systemu prognozowania AI ECMWF.

Przed publikacją pracy naukowej ECMWF już wyróżniło badania autorów PBC w konkursie AI Weather Quest. Nad projektem pracowali badacze z Microsoftu, Massachusetts Institute of Technology, ECMWF i innych instytucji.

Twórcy zaznaczają, że narzędzie PBC można uruchamiać na procesorach centralnych. Jedna z autorek metody, Genevieve Flaspohler, która kieruje organizacją non-profit Rhiza Research, testuje to podejście we współpracy z Kenijską Służbą Meteorologiczną. Projekt finansowany przez Fundację Gatesów ma sprawdzić, czy metoda pomoże ulepszyć wczesne ostrzeżenia dla ludności.