Na początku czerwca 2025 r. Google wprowadził swój model „Weather Lab”, narzędzie oparte na AI, zaprojektowane do prognozowania torów i intensywności cyklonów tropikalnych. Ten model jest częścią szerszego pakietu Google DeepMind modeli badań pogodowych opartych na AI. Google ogłosił, że model Laboratorium Weather wykazał obiecujące wyniki w testach przed uruchomieniem, twierdząc, że jego dokładność była porównywalna z istniejącymi metodami opartymi na fizyce i często przekraczającym.
Zgodnie z początkowym stwierdzeniem Google model Laboratorium Weather został przeszkolony przy użyciu kompleksowego zestawu danych, który zrekonstruował historyczne wzorce pogodowe i specjalistyczną bazę danych zawierającą szczegółowe informacje na temat ścieżek huraganów, intensywności i wielkości. Aby dalej ocenić swoje wyniki, Google nawiązał współpracę z National Hurricane Center (NHC), oddziałem National Oceanic and Atmospheric Service (NOAA), w celu oceny możliwości modelu w basenie Atlantyku i Wschodniego Pacyfiku.
Sezon huraganów atlantycki pozostał stosunkowo spokojny do kilku tygodni przed raportem, z ogólną aktywnością poniżej normalnych poziomów. Oznaczało to, że istniały ograniczone możliwości rygorystycznego przetestowania nowego modelu w scenariuszach w świecie rzeczywistym. Jednak około 10 dni przed publikacją artykułu Hurricane Erin przeszła szybką intensyfikację na otwartym Oceanie Atlantyckim, eskalając do huraganu kategorii 5, gdy poruszał się na zachód.
Z prognozującego punktu widzenia oczywiste było, że Erin nie wpłynie bezpośrednio na Stany Zjednoczone. Niemniej jednak meteorolodzy ściśle monitorowali trajektorię i intensywność burzy. Biorąc pod uwagę duży rozmiar Erin, istniały obawy dotyczące jej bliskości wschodniego wybrzeża Stanów Zjednoczonych, z potencjalnymi skutkami, takimi jak znacząca erozja plażowa i jej wpływ na Bermudy.
Podczas aktywnej burzy określenie, który model prognozowania zapewnia najdokładniejsze prognozy. Podczas gdy wyniki w czasie rzeczywistym mogą oferować spostrzeżenia, niepewności utrzymują się do momentu przeprowadzenia dokładnej analizy po burzy. Ta analiza obejmuje ocenę dokładności każdego modelu w przewidywaniu ścieżki i intensywności burzy.
Ponieważ Erin rozproszyła się, taka ocena stała się możliwa. W tym, co opisano jako najważniejszy test w sezonie atlantyckim, Google’s Weather Lab, podobno zapewniło najlepszą wydajność prognoz do 72 godzin (trzy dni). Odkrycia te opierały się na danych opracowanych przez Jamesa Franklina, byłego szefa jednostki specjalistycznej huraganu w National Hurricane Center.
Analiza Franklina porównała wydajność modelu Google (GDMI) w stosunku do oficjalnej prognozy toru National Hurricane Center, a także różnych modeli opartych na fizyce, w tym globalnych modeli prognoz i modeli specyficznych dla huraganu. Modele oparte na fizyce, znane również jako numeryczne modele prognozowania pogody, opierają się na złożonych równaniach i początkowych warunkach atmosferycznych w celu symulacji zmian atmosferycznych w czasie. Modele te wymagają znacznej mocy obliczeniowej i historycznie były kamieniem węgielnym prognozowania meteorologicznego.
W ciągu ostatnich 25 lat postęp w sprzęcie komputerowym i ulepszenia gromadzenia i wkładu danych atmosferycznych w czasie rzeczywistym doprowadziły do znacznego zmniejszenia błędów prognozowania toru huraganu. Dane wskazują, że model Google nie tylko przewyższył oficjalną prognozę toru National Hurricane Center, ale także przekroczył wiele modeli opartych na fizyce.
Pod względem prognoz intensywności model Google wykazał również doskonałą wydajność w porównaniu z innymi modelami w ciągu pierwszych 72 godzin. Jego dokładność w 48-godzinnym znaku była szczególnie godna uwagi. Modele TVCN i IVCN, które reprezentują modele „konsensusu” pod kątem ścieżki i intensywności, są ściśle monitorowane przez prognozy w Hurricane Center. Modele te, które zwykle nie są upublicznione, zapewniają średnią skorygowaną z odchylenia kilku najwyższej jakości modeli. Fakt, że model Google przewyższył te modele konsensusowe, uznano za znaczące.
Korekta stronniczości polega na dostosowaniu do znanych prognozowania uprzedzeń w różnych modelach. Z prognozującego punktu widzenia zasięg od trzech do pięciu dni ma kluczowe znaczenie dla podejmowania świadomych decyzji dotyczących ewakuacji i innych przygotowań huraganów. Podczas gdy ulepszenia wydajności modelu AI są pożądane dla tego dłuższego zakresu prognoz, ogólny wniosek był taki, że modelowanie pogodowe AI robi znaczny postęp.
Modele pogodowe AI szybko stają się niezbędnymi narzędziami do przewidywania zdarzeń o dużym wpływie, takich jak huragany. Chociaż model Google może nie być najlepszym wykonawcą każdej burzy, prawdopodobnie otrzyma większy rozważenie w przyszłych prognozach. Szybki rozwój narzędzi, takich jak Google’s Weather Lab i inne modele pogodowe AI, wykazały umiejętności równoważne najlepszym modele opartym na fizyce w stosunkowo krótkim okresie. Dalsze ulepszenia tych modeli może potencjalnie ustalić je jako złoty standard dla niektórych rodzajów prognozowania pogody.
Eric Berger, starszy redaktor kosmiczny w ARS Technica i certyfikowany meteorolog, podkreślił rosnące znaczenie sztucznej inteligencji w prognozowaniu pogody, zauważając, że modele te szybko stają się istotnym elementem zestawu narzędzi prognozy. Ostrzegł, że żaden pojedynczy model nie będzie najlepszy dla każdej burzy, ale zasugerował, że modele AI, takie jak laboratorium pogodowe Google, otrzymają większą wagę w przyszłych decyzjach prognozujących.
Berger podkreślił również szybki postęp modeli pogody AI, stwierdzając, że osiągnęły już poziomy umiejętności porównywalne z najlepszymi modelami opartymi na fizyce w stosunkowo krótkim czasie. Doszedł do wniosku, że jeśli modele te będą się poprawiać, mogą potencjalnie stać się złotym standardem dla określonych rodzajów przewidywania pogody.
Source: Google’s Weather Lab AI przewyższa prognozy huraganu do 72 godzin
