Новое исследование Метеорологической службы Великобритании и Института Алана Тьюринга предполагает, что если при обучении моделей искусственного интеллекта для прогнозирования погоды уделять больше внимания физической согласованности, это поможет устранить ключевые недостатки прогнозов, генерируемых ИИ.

Исследование посвящено FastNet – модели прогнозирования погоды на основе машинного обучения, разработанной совместно двумя организациями и названной в честь одного из 31 морского района, охватываемых прогнозом судоходства, в честь основателя Метеорологической службы вице-адмирала Роберта Фицроя. FastNet уже демонстрирует точность, сравнимую с глобальной моделью Метеорологической службы Великобритании, а по некоторым показателям даже превосходит её.

Многие системы искусственного интеллекта для прогнозирования погоды демонстрируют высокую точность, но им сложно воспроизводить резкие фронты, градиенты и структуру штормов, необходимые для надёжных прогнозов на средние сроки. Модели, обученные только для минимизации средней ошибки, часто размывают такие элементы, как холодные фронты или плотно закрученные штормовые циклоны. Это явление называется «размытием», и оно может скрывать важные сигналы и маскировать ошибки, которые накапливаются с увеличением срока прогнозирования.

FastNet решает эту проблему с помощью модифицированной функции потерь сферических гармоник, которая позволяет модели сохранять правильное распределение энергии на всех атмосферных масштабах, вплоть до самых мелких, благодаря чему объекты остаются четкими, а не размытыми.

Модель FastNet ещё не введена в эксплуатацию, но испытания на урагане «Иэн» (2022) и шторме «Киаран» (2023) показали более реалистичную структуру ядра шторма, улучшенную взаимосвязь между давлением и скоростью ветра, более высокие и точные показатели пиковой скорости ветра, а также более чёткое отображение интенсивных градиентов при более длительных периодах прогнозирования.

Это исследование – значительный шаг вперед в области прогнозирования погоды с помощью искусственного интеллекта. Метеорологическая служба Великобритании придерживается подхода, «основанного на науке и доверии, и вносит изменения в работу только при наличии убедительных научных доказательств». Разработка FastNet будет продолжена, авторы модели планируют сосредоточиться на прогнозах с более высоким разрешением для Великобритании и всего мира.