Microsoft prezentuje narzędzie uczenia maszynowego poprawiające dokładność prognoz pogody średnioterminowej

Image: Illustrative image · Logos of the Nokia Corporation and that of Windows Phone 8 by the Microsoft Corporation. · Public domain · Source

Microsoft opracował metodę uczenia maszynowego, która poprawia prognozy pogody na okres od dwóch do sześciu tygodni, korygując błędy w istniejących modelach, co pomaga w planowaniu prac rolniczych i reagowaniu na sytuacje kryzysowe.

Naukowcy z Microsoft przedstawili nową technikę uczenia maszynowego, mającą na celu zwiększenie dokładności prognoz pogody średnioterminowej, rozwiązując długoletnie ograniczenia tradycyjnych i opartych na sztucznej inteligencji metod prognozowania. Opublikowane w czasopiśmie Nature, narzędzie to — nazwane Probabilistic Bias Correction (PBC) — jest efektywne kosztowo i zaprojektowane, by poprawić prognozy pogody na okres od dwóch do sześciu tygodni z wyprzedzeniem, czyli wtedy, gdy niezawodność prognoz zwykle spada.

W przeciwieństwie do konwencjonalnych modeli prognozowania opartych na fizyce, które symulują fizykę atmosfery Ziemi, czy modeli AI przewidujących na podstawie wzorców historycznych danych pogodowych, oba te podejścia zmagają się z problemem przybliżeń stosowanych do uzupełnienia brakujących danych. Te przybliżenia mogą wprowadzać systematyczne błędy, które kumulują się przy dłuższych okresach prognozy i obniżają jej precyzję. Przykładowo, zmiany klimatyczne takie jak globalne ocieplenie mogą powodować, że modele oparte na danych historycznych zaniżają aktualne temperatury.

Metoda PBC Microsoftu wykorzystuje uczenie maszynowe do identyfikowania i korygowania tych systematycznych błędów w istniejących modelach prognozowania. Przetestowano ją na wiodącym fizycznym modelu Europejskiego Centrum Prognoz Średnioterminowych (ECMWF), poprawiając dokładność prognoz opadów w 98% przypadków oraz prognoz temperatury w 92%. Ponadto, PBC podwoiło dokładność nowego systemu prognozowania wykorzystującego AI ECMWF podczas analiz badawczych. Badania te zostały docenione przez ECMWF w konkursie AI Weather Quest.

Co istotne, PBC jest efektywne obliczeniowo i może działać na procesorach CPU bez potrzeby korzystania z energochłonnych superkomputerów czy procesorów graficznych (GPU), co czyni tę technologię dostępną dla agencji meteorologicznych o ograniczonych zasobach — zwłaszcza w regionach rozwijających się gospodarczo. Naukowcy podkreślają, że lekka architektura narzędzia pozwala badaczom na całym świecie dostosowywać je do lokalnych ulepszeń prognoz pogodowych.

Genevieve Flaspohler, współautorka badania oraz dyrektor wykonawcza Rhiza Research, współpracuje obecnie z Kenijską Służbą Meteorologiczną, wspieraną finansowo przez Fundację Gatesów, nad wdrożeniem systemów wczesnego ostrzegania opartych na AI przed spodziewanym bardziej ekstremalnym sezonem deszczowym związanym z El Niño. Metoda PBC jest częścią tej inicjatywy, mającej na celu dostarczanie dokładniejszych i terminowych prognoz korzystnych dla rolników i służb ratunkowych.

Choć obiecujące, eksperci ostrzegają, że operacyjne wdrażanie nowych metod prognozowania AI pozostaje skomplikowane, jednak podejście Microsoftu stanowi znaczący krok w kierunku bardziej wiarygodnych prognoz pogody średnioterminowej i szerszego dostępu do zaawansowanych technologii prognozowania.