Модель WeatherNext от Google DeepMind предсказывает циклоны с беспрецедентной точностью: прогноз на три дня вперёд теперь столь же точен, как раньше на два. Учёные признаются, что до конца не понимают, как ИИ это делает.
Содержание
- Пять дней до катастрофы: как ИИ предсказал ураган «Мелисса»
- Лишние сутки, которые стоят десяти лет работы
- Почему ураганы так сложно предсказывать
- «Чёрный ящик», удививший даже создателей
- Тысяча сценариев вместо одного прогноза
- Почему человек по-прежнему незаменим
- Открытый код и новые инструменты для науки
Искусственный интеллект WeatherNext, разработанный Google DeepMind совместно с Google Research, впервые в истории позволил метеорологам предсказать ураган высшей, пятой категории в тот момент, когда шторм едва достиг первой. Модель в среднем даёт синоптикам на целые сутки больше времени на подготовку к катастрофе — а ведь раньше на такой скачок точности традиционными методами уходило около десяти лет.
- Пять дней до катастрофы: как ИИ предсказал ураган «Мелисса»
- Лишние сутки, которые стоят десяти лет работы
- Почему ураганы так сложно предсказывать
- «Чёрный ящик», удививший даже создателей
- Тысяча сценариев вместо одного прогноза
- Почему человек по-прежнему незаменим
- Открытый код и новые инструменты для науки
Пять дней до катастрофы: как ИИ предсказал ураган «Мелисса»
В октябре 2025 года над Карибским морем сформировался шторм, и метеорологические модели разошлись в оценках его траектории. Одни сценарии предполагали, что циклон останется слабым и обрушится на Гаити, другие — что он будет набирать силу и двинется на Ямайку. Модель WeatherNext выбрала второй вариант: за пять дней до выхода на сушу она с вероятностью 80 процентов предсказала, что штормовая система ударит по Ямайке как ураган пятой категории.
Ураган «Мелисса» действительно стал катастрофическим: остров накрыли наводнения и оползни. Однако благодаря раннему прогнозу ИИ метеорологи смогли заблаговременно предупредить жителей оказавшихся на пути стихии районов, и у людей появилось время на подготовку. Это стало первым случаем в истории, когда Национальный центр ураганов США сумел предсказать ураган пятой категории, пока шторм находился лишь на стадии первой.
Результаты работы модели опубликованы в научном журнале Nature. Исследователи показали, что WeatherNext предсказывает циклоны с беспрецедентной точностью — и это не разовая удача, а устойчивый результат, подтверждённый в реальной операционной работе синоптиков.
Лишние сутки, которые стоят десяти лет работы
В среднем WeatherNext даёт метеорологам на один день больше времени упреждения, чем существующие модели. Проще говоря, прогноз новой системы на три дня вперёд по точности соответствует тому, что прежние модели выдавали на два дня. На бумаге разница выглядит скромно, но на практике эти сутки способны спасти тысячи жизней.
«Даже несколько часов могут что-то изменить», — отмечает Майк Бреннан, директор Национального центра ураганов США. Организация эвакуации, развёртывание запасов и переброска ресурсов для ликвидации последствий урагана — всё это задачи, критически зависящие от времени, а цена ошибочного решения очень высока. «Время по-настоящему на вес золота, когда речь идёт о таких решениях, поэтому возможность выдвинуть горизонт точного прогноза на целый день дальше того, что мы могли раньше, невероятно ценна», — подчёркивает он.
По словам исследователей, в прошлом сдвиг прогнозов на сутки вперёд требовал порядка десяти лет работы. Нейросеть совершила этот скачок фактически в одночасье — и именно поэтому результат так впечатлил профессиональное сообщество метеорологов.
Почему ураганы так сложно предсказывать
Моделирование экстремальных явлений — сложнейшая задача для искусственного интеллекта. Машинному обучению требуются большие объёмы тренировочных данных, чтобы делать прогнозы на будущее, но экстремальные события по своей природе редки. «У нас не так много данных по циклонам, зато очень много данных о погоде в целом, — объясняет Ферран Алет, научный сотрудник Google DeepMind и один из ведущих авторов статьи. — Поэтому мы обучили модель, которая одинаково хорошо разбирается и в обычной погоде, и в циклонах».
Ураганы особенно трудно предсказывать из-за того, что они разворачиваются сразу на нескольких пространственных масштабах, поясняет Кейт Масгрейв, руководитель группы тропических циклонов в Кооперативном институте исследований атмосферы и соавтор работы. Чтобы предсказать траекторию шторма — направление его движения — нужны данные о погоде в глобальном масштабе: расположение холодных фронтов, преобладающие ветры и другая крупномасштабная информация.
А вот для прогноза интенсивности шторма требуются данные гораздо более мелкого масштаба — о локальных атмосферных и океанических условиях в конкретной точке. «Именно этого мы как раз не получаем от глобальных моделей», — говорит Масгрейв. Прежние ИИ-модели неплохо справлялись с предсказанием траектории, но вот интенсивность «не могли предсказать совершенно».
При этом критически важно предсказывать и то, и другое: изменение интенсивности может означать разницу между относительно слабым штормом и разрушительным ураганом. Иногда, как в случае с «Мелиссой», штормовая система усиливается стремительно и за одну ночь превращается в чрезвычайную ситуацию.
«Чёрный ящик», удививший даже создателей
Прежде чем WeatherNext допустили до реальных прогнозов, исследователи проверили её на ретроспективных данных. «Результаты были настолько хороши, что мы скептически относились к тому, увидим ли мы такое же в демонстрации в реальном времени», — вспоминает Масгрейв. Но когда синоптики начали внедрять модель в свою операционную работу, её качество подтвердилось. «Думаю, все были удивлены тем, насколько хорошо она сработала», — добавляет она.
Любопытно, что даже исследователи DeepMind, работавшие над моделью, до конца не понимают, как ИИ выдаёт настолько точные предсказания. Дело в том, что система использует атмосферные данные гораздо более низкого разрешения, чем требуется традиционным моделям для прогнозирования интенсивности шторма.
«Когда мы сказали сообществу, что наша модель работает на относительно грубом разрешении, все были шокированы, ведь это означает, что входные данные низкого разрешения содержат больше сигнала о том, что произойдёт, чем считалось раньше», — рассказывает Алет. Нейросеть явно улавливает в этих данных нечто, позволяющее судить об интенсивности шторма, но что именно — неизвестно. «В конечном счёте это чёрный ящик, но он подаёт физикам сигнал, что происходит нечто, ранее не понятое наукой», — заключает исследователь.
Тысяча сценариев вместо одного прогноза
WeatherNext не ограничивается единственным предсказанием: модель генерирует целый спектр потенциальных сценариев развития шторма. Это помогает учесть возможный «эффект бабочки», объясняет Алет, — ситуацию, когда небольшое отклонение от тренда в дальнейшем приводит к куда более масштабным изменениям. Синоптики могут использовать эти сценарии наряду с результатами других моделей, чтобы судить о наиболее вероятном развитии событий.
Масштабы впечатляют: в прошлом году ИИ-модель создавала по 50 сценариев на каждый шторм, а теперь генерирует тысячу. «С нашими вычислительными мощностями мы просто не можем сделать такое на существующих численных моделях», — признаёт Масгрейв.
Почему человек по-прежнему незаменим
Майк Бреннан называет модель DeepMind отличным новым инструментом в арсенале синоптиков, но подчёркивает, что это лишь один из многих. «Нет никакой гарантии, что модель, хорошо показавшая себя в прошлом году или блестяще справившаяся с конкретным штормом, обязательно окажется лучшей в следующем сезоне или для следующего шторма», — предостерегает он.
Человеческий фактор, добавляет Бреннан, остаётся критически важным. «Ураган — это не просто прогноз траектории или интенсивности. Нужны эксперты, которые переведут эти данные в понимание того, какими будут последствия, — а ведь именно последствия убивают людей», — напоминает директор Национального центра ураганов.
Открытый код и новые инструменты для науки
Google DeepMind также объявила, что выложит в открытый доступ модели WeatherNext, использовавшиеся в сезон ураганов, чтобы исследователи по всему миру могли применять и совершенствовать их. Алет надеется, что открытие моделей для научного сообщества поможет раскрыть новые сведения о природе циклонов. «Меня очень воодушевляет перспектива научных открытий, — говорит он. — Думаю, ИИ даёт нам новые инструменты, чтобы исследовать законы Вселенной».
Для российской науки это тоже заметное событие: хотя классические ураганы до России не доходят, Дальний Восток регулярно страдает от тайфунов, приходящих с Тихого океана, — вспомнить хотя бы разрушительные циклоны в Приморье последних лет. Открытый исходный код WeatherNext означает, что отечественные исследователи смогут изучать модель и адаптировать её подходы, а сама история с «чёрным ящиком» показывает: искусственный интеллект уже не просто автоматизирует расчёты, а начинает подсказывать учёным, где искать неизвестные ранее закономерности природы.
Источник: Ars Technica