GenCast to przełomowy model AI, który w testach wykazał wyższą precyzję niż uznawany za lidera w branży system ENS z Europejskiego Centrum Średnioterminowych Prognoz Pogody.

W praktyce GenCast jest w stanie przewidywać zmiany pogody z dokładnością do 20% wyższą niż ENS, analizując zarówno codzienne warunki atmosferyczne, jak i ekstremalne zjawiska pogodowe, takie jak huragany czy cyklony tropikalne. Porównując wyniki z rzeczywistymi danymi, model ten osiągnął dokładność przewidywań na poziomie 97%.

Co więcej, model przewiduje trajektorie ekstremalnych zjawisk pogodowych z większą dokładnością, co ma kluczowe znaczenie dla ochrony ludności oraz planowania działań ratunkowych. "Pokonanie ENS przez GenCasta to punkt zwrotny w rozwoju AI dla prognoz pogody" – powiedział Ilan Price, naukowiec z Google DeepMind.

Jak działa GenCast?

Tradycyjne prognozy opierają się na rozbudowanych modelach matematycznych, wymagających setek tysięcy procesorów i wielu godzin pracy superkomputerów. GenCast działa zupełnie inaczej. Model uczył się na podstawie 40 lat danych pogodowych, analizując liczne zmienne, takie jak prędkość wiatru, temperatura, ciśnienie czy wilgotność. Dzięki temu nauczył się doskonale przewidywać, jak zmieniają się warunki atmosferyczne w różnych miejscach na Ziemi.

GenCast wyróżnia się również szybkością działania, gdyż stworzenie 15-dniowej prognozy zajmuje mu zaledwie 8 minut przy użyciu pojedynczego układu TPU w Google Cloud. To znaczące przyspieszenie w porównaniu z tradycyjnymi metodami.

Dodatkowo, model od Google generuje swoje prognozy, podając prawdopodobieństwo różnych scenariuszy pogodowych, co pozwala na bardziej uniwersalne dostosowanie się do prognoz.

Model nie jest wolny od problemów

Chociaż GenCast to przełomowa technologia, nie jest pozbawiona ograniczeń. Model bazuje na danych historycznych, które mogą nie być w pełni adekwatne w obliczu dynamicznie zmieniającego się klimatu. Profesor Sarah Dance z Uniwersytetu w Reading zauważa również trudności w odzwierciedleniu tzw. efektu motyla, czyli kaskady szybkich, gwałtownie rosnących niepewności w prognozach.

Dodatkowym wyzwaniem są zmienne atmosferyczne, które nie zawsze są bezpośrednio obserwowane i mierzone. Aby wypełnić te luki, GenCast do swojego treningu wykorzystuje dane historyczne wzbogacone o symulacje fizyczne, które, choć nie tak dokładne jak rzeczywiste pomiary, udowodniły swoją skuteczność w procesie nauczania.

Czy AI zastąpi meteorologów?

Mimo imponujących wyników modelu GenCast, rola człowieka w prognozowaniu pogody nadal jest nieoceniona. Jak zauważa Aaron Hill, meteorolodzy potrafią "łączyć kropki" z różnorodnych danych, podejmując ważne decyzje na podstawie swojej wiedzy. AI, choć niezwykle pomocna i szybka, na ten moment nie jest w stanie w pełni zastąpić ludzkiej intuicji i doświadczenia. Widzi się ją raczej jako narzędzie wspierające pracę człowieka.

Ponadto, GenCast może zrewolucjonizować branżę meteorologiczną, szczególnie w kontekście zmian klimatycznych. Dzięki dokładniejszym prognozom, społeczności mogą być lepiej przygotowane na różne scenariusze pogodowe, co w dłuższej perspektywie może uratować wiele istnień ludzkich i zmniejszyć straty materialne.