Ha kirándulni megyünk, szabadtéri programot szervezünk, szeretjük tudni, hogy lesz-e eső, szél, illetve milyen hőmérsékletre készüljünk, amikor ruhát választunk, de biztosak soha nem lehetünk abban, mi vár majd ránk. Az időjóslásnak ugyan évezredes hagyományai vannak, mégis a mai napig előfordul, hogy a tevékenységet hivatásszerűen végzők a legjobb szándékuk ellenére is félrevezetnek minket.
A természet megfigyelése és a befőttesüvegben létrára felmászó béka óta már nagyot fejlődött ez a tudományág, és a múlt század közepétől egy sor műhold és meteorológiai ballon is segíti az ezzel foglalkozó szakemberek munkáját. A közelmúltban egy új szereplő is megjelent ebben tudományágban, ez pedig a mesterséges intelligencia.
A Google-höz tartozó DeepMind a héten jelenteti meg új időjárás-előrejelző modelljét. A GraphCast névre keresztelt új platform a hírek szerint köröket ver minden eddig használt módszerre. Az előzetes tesztek alapján az új modell az esetek 90 százalékában adott pontosabb előrejelzést, mint az eddig használt módszerek.
Jelenleg az úgynevezett numerikus modell (NWP) van használatban. Ez a gyakorlatban annyit tesz, hogy folyadék- és termodinamikai tényezők, valamint légköri jelenségek vizsgálatát végzi el a modell és ezek alapján állapítja meg a szerinte legvalószínűbb időjárási kimenetelt. Ez egy viszonylag bonyolult és összetett számításokat igénylő módszer.
A GraphCast ezzel szemben a korábban feljegyzett időjárási jelenségek ismeretében, múltbeli hasonlóságok alapján állapítja meg a legvalószínűbb kimenetelt. Ez első hallásra talán szintén bonyolultnak tűnhet, de valójában a számítások szintjén jóval egyszerűbb eljárásról van szó, mint a soktényezős időjóslás esetében.
A Google modellje az időjárás jelenlegi állapotából és a hat órával ezelőtt mért adatokból indul ki. Ez alapján előrejelzést készít arról, hogy milyen lesz az időjárás hat óra múlva. Ezután ezeket az adatokat visszatáplálja a rendszerbe, elvégzi ugyanazt a számítást, és hosszabb távú előrejelzéseket készít belőle.
A Google csapata a GraphCasttal kapott adatokat összehasonlította a jelenleg használt HRES modell eredményeivel, és az esetek 90 százalékában azt tapasztalta, hogy az AI végzett pontosabb munkát. A teszt érdekessége, hogy a GraphCast, habár nem erre találták ki, szélsőséges időjárási jelenségeket is megjósolt: trópusi ciklonokat és váratlan, gyors hőmérsékletváltozásokat.
A biztató eredmények ellenére az új modell egyelőre biztosan nem fogja átvenni a HRES helyét. A GraphCast és a hagyományos, standard módszer párhuzamosan fogják megjósolni a várható időjárást.
