Az időjárás-előrejelzés új dimenzióba lép a Google DeepMind új mesterséges intelligencia modelljének, a GenCastnak a révén, amely a közeljövő időjárási eseményeit sokkal megbízhatóbb módon képes előre jelezni. A GenCast bemutatása óta a szakemberek és meteorológusok felfigyeltek a friss időjárási események, mint például a trópusi ciklonok és hőhullámok előrejelzésének megnövelt pontosságára.

A jelenlegi időjárás-előrejelzési módszerek többsége, mint például a numerikus időjárás-előrejelzés (NWP), fizikai egyenleteken alapul, amelyek a légköri folyamatokat írják le. Eddig ezek a modellek, például az ECMWF integrált előrejelzési rendszere, a legjobbnak számítottak az európai időjárás-előrejelzés területén.

A GenCast új megközelítése növeli a bizonytalanság pontos mérését, lehetővé téve a meteorológusok számára, hogy jobban megértsék a különféle jövőbeli időjárási forgatókönyveket. Az ensemble előrejelzési rendszer, amely a különböző kiindulási feltételekből származó szimulációk összesítésével működik, lehetővé teszi a szakemberek számára, hogy meghatározzák, milyen valószínűséggel következik be egy-egy időjárási esemény.

A GenCast 15 napos ensemble előrejelzése, amelyet 8 perc alatt készít el a Google Cloud TPUv5 AI-gyorsítóin, felülmúlja az eddigi legpontosabb előrejelzéseket is. Széppszó Gabriella, a HungaroMet Klímatológiai és Kutatás-fejlesztési Igazgatóságának vezetője szerint, a felhasználás során megkülönböztető előnyök várhatóak, amelyeket például az erőművek működésének optimalizálásában is hasznosítani lehet. Az új AI-alapú modell nem csupán a fizikai modellekre épít, hanem a regionális sajátosságokat is vektorálja, így figyelembe veszi a helyi időjárási körülményeket.

Fontos megemlíteni, hogy a GenCast nem csupán az előrejelzés sebességét növeli, hanem a teljesítményét is. Összehasonlítva a hagyományos fizikai modellekkel, a GenCast 1320 vizsgált eset 97%-ában nyújtott jobb előrejelzést. Az extrém időjárási események, mint például a trópusi ciklonok előrejelzése kiemelkedően pontos lett, ami nagy lépést jelent a katasztrófavédelem és a mezőgazdasági tervezés számára.

A GenCast potenciálisan fejlődhet, hiszen jelenlegi 0,25 fokos felbontása a jövőben akár 0,1 fokra is növelhető. Ez újabb ugrást jelentene a jelenleg aktív globális modellek között. A kutatók véleménye szerint, ha a GenCastot megfelelő adathalmazon tanítják, a jövőbeni időjárási adottságokra is számíthatunk.