A Google kutatói egy új időjárás-elemző modellt dolgoztak ki, amely a gépi tanulást a hagyományos technológiákkal ötvözte, így a tisztán mesterséges intelligencián alapuló megoldások költségének töredékéért képes pontos előrejelzést nyújtani - írja az MIT Technology Review. A modell a NeuralGCM nevet kapta, célja pedig, hogy áthidalja az időjárás-előrejelzéssel foglalkozó szakemberek között tátongó szakadékot, ami az elmúlt években egyre nagyobb, égetőbb problémává vált.
Míg az új gépi tanulásra épülő technológiák, amelyek az időjárást elsősorban több éves múltbeli adatokból tanulva jósolják meg, rendkívül gyorsak és hatékonyak, addig a hosszú távú előrejelzésekkel rendre nehézségekbe ütköznek. Az általános cirkulációs modellek, amelyek bonyolult egyenletek és számítások segítségével modellezik a légkör változását, szintén foghíjasok. Bár ezek kétségkívül pontos előrejelzést adnak, használatuk rendkívül lassú, mi több, költséges, ami kísérletezésre ösztönözte a kutatókat.
Miközben a szakértők véleménye egyelőre megoszlik arról, hogy a jövőben melyik megoldás lesz az uralkodó az iparban, a Google szakemberei egy teljesen más oldalról közelítették meg a témát.
"Ez nem egyfajta fizikai megoldások vs. mesterséges intelligencia helyzet. Ez valójában a kettő együtt."
- nyilatkozta a megoldással kapcsolatban a Google Research mesterséges intelligencia kutatója, Stephan Hoyer.
A kutató elmondása alapján a rendszer a nagy légköri változások kiszámításához továbbra is hagyományos módszereket használ. Ezen felül jön képbe a mesterséges intelligencia, amely ott teljesít jól, ahol a hagyományos modellek kudarcot vallanak. Ilyenek a 25 kilométernél kisebb léptékű becslések, például a felhőképződéssel vagy a regionális mikroklímával (például a San Franciscó-i köddel) kapcsolatos előrejelzések.
A kutatók szerint a végeredmény egy olyan modell, amely kisebb számítási teljesítmény mellett gyorsabban képes minőségi előrejelzéseket biztosítani. A csapat azt állítja, hogy a NeuralGCM olyan pontos, mint a kutatásban egyébként partner szervezetként részt vevő Európai Középtávú Időjárás Előrejelző Központ (ECMWF) 1-15 napig terjedő jóslatai.
A technológia igazi ígérete azonban néhány kutató szerint nem a helyi időjárás-előrejelzésben rejlik. Az Oklahomai Egyetem meteorológiai karának adjunktusa, Aaron Hill a nagyobb léptékű éghajlati eseményekben látja a modell jelentőségét. Szerinte a lehetőségek a trópusi ciklonok pontosabb előrejelzésétől kezdve, egészen az évek múlva bekövetkező összetettebb éghajlati változások modellezéséig terjedhetnek.
"Nagyon számításigényes újra és újra vagy hosszú időn keresztül a Földet szimulálni. Ebből az következik, hogy a legjobb éghajlati modelleket hátráltatják a számítási teljesítmény magas költségei, ami egy valódi szűk keresztmetszetet jelent a kutatás számára."
- fogalmazott Hill a Google megoldására reflektálva.
