Microsoft улучшила прогноз погоды на 2–6 недель

Microsoft представила новый инструмент машинного обучения для повышения точности прогнозов погоды на срок от двух до шести недель. Исследование опубликовано в журнале Nature, а само программное обеспечение стало открытым. По словам разработчиков, метод позволяет улучшить существующие модели, а не создавать новые, что делает его доступным для метеослужб с ограниченными ресурсами.

Традиционные физические модели и современные ИИ-системы теряют надёжность после двух недель прогноза. Причина — в приближениях, которые заполняют пробелы в данных, например из регионов с редкой сетью метеостанций или сложных атмосферных явлений. Эти допущения порождают систематическую ошибку, которая накапливается при увеличении горизонта прогнозирования.

Метод Microsoft получил название Probabilistic Bias Correction (PBC). Он использует машинное обучение для выявления и исправления систематических смещений в уже существующих моделях. В качестве примера старший исследователь Microsoft Research New England Лестер Макки приводит корректировку климатических изменений: модель может опираться на исторические данные и занижать температуру относительно текущих условий.

В ходе анализа PBC повысил точность ведущей физической модели Европейского центра среднесрочных прогнозов погоды (ECMWF) для 98% целей по осадкам и 92% по температуре. Кроме того, фреймворк удвоил точность новой ИИ-системы ECMWF. Ещё до публикации статьи работа авторов по PBC была отмечена в конкурсе AI Weather Quest, организованном ECMWF.

Мэтью Чантри, стратегический руководитель направления машинного обучения в ECMWF, назвал статью хорошим примером новых идей, разрабатываемых на благо сообщества. При этом он отметил, что превращение идей в операционный процесс остаётся наиболее сложным этапом.

Ключевое преимущество PBC — низкие требования к вычислительным ресурсам. Если физические модели работают на суперкомпьютерах, а генеративные ИИ зависят от мощных GPU, то PBC может выполняться на обычных CPU. Это открывает доступ к технологии метеослужбам развивающихся стран, у которых нет больших вычислительных мощностей.

Одна из авторов работы Женевьев Фласполер, ныне исполнительный директор некоммерческой организации Rhiza Research, сотрудничает с метеослужбой Кении при поддержке Фонда Гейтса. Цель — проверить, способен ли ИИ улучшить раннее предупреждение о погодных катаклизмах. PBC входит в число тестируемых методов накануне ожидаемого экстремального сезона дождей, связанного с рекордным Эль-Ниньо.