by Un nouveau modèle informatique de prévision météorologique, construit par Google et alimenté par l’intelligence artificielle, surpasse systématiquement et est plusieurs fois plus rapide que les modèles gouvernementaux qui existent depuis des décennies et nécessitent des centaines de millions de dollars d’investissement, selon un rapport publié mardi. .étudier.
En fait, le modèle de Google a montré une précision supérieure au « modèle européen », qui est largement considéré comme la référence.
Abonnez-vous à la newsletter The Post Most pour connaître les histoires les plus importantes et les plus intéressantes du Washington Post.
L’étude, publiée dans la revue Science, a montré que le modèle d’IA est plus précis pour prévoir à la fois la météo quotidienne et les événements extrêmes, tels que les ouragans et la chaleur et le froid intenses.
Les excellentes performances et les résultats prometteurs d’autres modèles d’IA comme celui-ci pourraient marquer le début d’une nouvelle ère pour les prévisions météorologiques, même si les experts affirment que cela ne signifie pas que l’IA est prête à remplacer toutes les méthodes de prévision traditionnelles.
Le modèle d’IA de Google DeepMind, appelé « GraphCast », est formé sur près de quatre décennies de données historiques et peut créer une prévision sur 10 jours à intervalles de six heures en moins d’une minute pour des emplacements dans le monde sur un ordinateur de la taille d’un ordinateur. . petite boîte. Un modèle traditionnel nécessite une heure ou plus sur un superordinateur de la taille d’un autobus scolaire pour obtenir le même résultat. GraphCast était environ 10 pour cent plus précis que le modèle européen sur plus de 90 pour cent des variables météorologiques évaluées.
Les résultats de l’étude sont similaires à ceux d’un article universitaire publié en août dans la base de données en ligne arXiv.
“C’est incroyable d’être compétitif, voire surpasser, peut-être le meilleur système de prévision mondial”, a déclaré dans un e-mail Aaron Hill, développeur principal du système de prévision d’apprentissage automatique de l’Université d’État du Colorado. “Vous pouvez ajouter en toute sécurité GraphCast à une liste croissante de modèles de prévisions météorologiques basés sur l’IA qui nécessitent une évaluation continue pour leur application dans l’industrie, la recherche et les prévisions opérationnelles.”
Les modèles météorologiques IA attirent de plus en plus l’attention des agences météorologiques gouvernementales en raison de leur rapidité, de leur efficacité et de leurs économies potentielles.
Les modèles météorologiques traditionnels, tels que « l’européen », géré par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) à Reading, en Grande-Bretagne, et « l’américain », par la National Oceanic and Atmospheric Administration, font des prévisions basées sur des données complexes. modèles mathématiques. comparaisons. De tels modèles prennent en charge les prédictions et les alertes vitales dans le monde entier, mais leur fonctionnement est coûteux car ils nécessitent d’énormes quantités de puissance de calcul.
Les modèles d’IA utilisent une approche différente. Ils sont d’abord formés pour reconnaître des tendances dans de grandes quantités de données météorologiques historiques, puis générer des prévisions en traitant les conditions actuelles et en appliquant ce qu’ils ont appris des tendances historiques. Le processus nécessite beaucoup moins de calculs et peut être réalisé en quelques minutes, voire quelques secondes, sur des ordinateurs beaucoup plus petits.
La capacité d’apprendre des archives croissantes de données météorologiques passées constitue un avantage clé des modèles d’IA. “Cela a le potentiel d’améliorer la précision des prédictions en capturant des modèles et des échelles dans les données qui ne sont pas facilement capturées dans des équations explicites”, ont écrit les auteurs qui ont développé le modèle dans l’étude.
Les performances de GraphCast ont non seulement été évaluées par rapport au modèle européen pour des variables météorologiques individuelles telles que la température, le vent et la pression, mais également pour prédire des événements extrêmes, notamment les cyclones tropicaux, les rivières atmosphériques, les vagues de chaleur et les vagues de froid.
Les chercheurs ont exprimé leurs inquiétudes quant à la capacité de l’IA à prédire avec précision les conditions météorologiques extrêmes, en partie parce qu’il y a eu relativement peu d’événements de ce type dans le passé dont nous puissions tirer des leçons. Néanmoins, GraphCast a réduit les erreurs dans les prévisions de cyclones d’environ 10 à 16 milles avec un délai de deux à quatre jours, amélioré les prévisions de vapeur d’eau associée aux rivières atmosphériques de 10 à 25 pour cent et fourni des prévisions plus précises de chaleur et de froid extrêmes d’ici cinq à cinq jours. 10 jours à l’avance.
« La sagesse conventionnelle dirait : utilisez-le [AI] ne réussit peut-être pas aussi bien dans les choses rares et inhabituelles. Mais sur ce plan, cela semblait bien se passer », a déclaré Peter Battaglia, directeur de recherche chez Google DeepMind et l’un des co-auteurs de l’étude, dans une interview. « Nous pensons que cela souligne également le fait que le modèle capture quelque chose de plus fondamental. sur la façon dont la météo évolue réellement au fil du temps, plutôt que de simplement rechercher des modèles plus superficiels dans les données.
Hill prévient que même si l’étude « renforce l’idée selon laquelle des prédictions habiles peuvent être faites pour la plupart des événements », les résultats n’éliminent pas les questions sur l’efficacité de l’IA dans la prévision des événements extrêmes. “L’étude décrit des mesures assez larges et agrégées des compétences en matière de prévision des conditions météorologiques extrêmes, qui indiquent les performances du modèle sur de nombreux événements, mais ne fournissent pas nécessairement de détails sur ses performances lors d’un seul événement extrême”, a-t-il déclaré.
D’autres défis restent à relever avant que les modèles d’IA comme GraphCast puissent être utilisés de manière fiable dans les prévisions opérationnelles. Par exemple, en raison des limites des données de formation et des limitations techniques, les modèles globaux d’IA ne sont pas encore capables de générer des prédictions pour autant de paramètres ou aussi détaillées que celles des modèles traditionnels. Cela rend les modèles d’IA moins utiles pour prédire des phénomènes à petite échelle, tels que les orages et les crues soudaines, ou des systèmes météorologiques plus importants qui peuvent provoquer de grandes différences dans les quantités de précipitations sur de petites distances.
Les météorologues doivent également apprendre à s’appuyer sur des modèles d’IA dont le fonctionnement interne est moins transparent que les modèles traditionnels.
“L’un des rôles clés des prévisionnistes est d’interpréter et de communiquer les informations aux partenaires, une tâche rendue encore plus difficile par le manque d’outils permettant de déterminer pourquoi un modèle d’IA fait la prédiction qu’il fait”, explique Jacob Radford, chercheur en visualisation de données à la Cooperative. Institut de recherche sur l’atmosphère de l’Université d’État du Colorado, selon un e-mail. “Ces modèles en sont encore à leurs balbutiements et la confiance doit encore être développée dans les communautés de recherche et de prévision avant d’envisager une utilisation opérationnelle.”
La plupart des experts, y compris les auteurs de l’étude, conviennent que les modèles traditionnels ne sont pas sur le point d’être remplacés par des modèles d’IA, qui s’appuient toujours sur les anciens modèles pour fournir des données d’entraînement et maintenir les conditions de génération actuelles qu’ils utilisent comme point de départ pour faire une prédiction. .
“Notre approche ne doit pas être considérée comme un remplacement des méthodes traditionnelles de prévision météorologique, qui ont été développées pendant des décennies, rigoureusement testées dans de nombreux contextes réels et qui offrent de nombreuses fonctionnalités que nous n’avons pas encore explorées”, écrivent les auteurs. “Notre travail devrait plutôt être interprété comme une preuve de cela [AI weather prediction] est capable de relever les défis des problèmes de prévision du monde réel et a le potentiel de compléter et d’améliorer les meilleures méthodes actuelles.
Développements récents dans les prévisions météorologiques par l’IA
Les grandes entreprises technologiques, notamment Google, Microsoft, Nvidia et la société chinoise Huawei, ont réalisé des progrès rapides dans la modélisation météorologique par l’IA au cours des deux dernières années. Les quatre sociétés ont publié des articles scientifiques affirmant que leurs modèles mondiaux d’IA fonctionnent au moins aussi bien que le modèle européen. Ces affirmations ont été récemment confirmées par des scientifiques du CEPMMT.
En septembre, les modèles d’IA développés par Google, Nvidia et Huawei correspondaient aux prévisions concernant l’ouragan Lee une semaine à l’avance. Lee est rapidement devenu un ouragan de catégorie 5 dans l’océan Atlantique à l’est des Caraïbes, puis s’est affaibli avant de finalement toucher terre en Nouvelle-Écosse avec une force équivalente à une tempête tropicale.
Le CEPMMT avait commencé à publier les prévisions des trois modèles sur son site Internet juste un jour après que Lee se soit transformée en tempête tropicale. L’Institut coopératif de recherche sur l’atmosphère, affilié à la NOAA, de l’Université d’État du Colorado, lancera un site Web similaire début décembre, selon Radford.
Parallèlement, le Met Office britannique a récemment annoncé une collaboration avec des chercheurs de l’Institut Alan Turing en Grande-Bretagne pour développer des modèles de prévision d’IA « afin d’améliorer la prévision de certains événements météorologiques extrêmes, tels que des précipitations exceptionnelles ou des orages violents, avec une précision encore plus grande ». Le Met Office l’a déclaré dans un communiqué.
Et plus tôt ce mois-ci, Google a annoncé un autre modèle d’IA capable de faire des prévisions plus localisées des précipitations, de la température et d’autres paramètres jusqu’à 24 heures, en utilisant comme point de départ les observations directes des capteurs météorologiques.
Outre la modélisation, l’IA est également utilisée pour améliorer la communication et l’interprétation des prévisions météorologiques. La NOAA a annoncé le mois dernier qu’elle utilisait l’IA pour automatiser la traduction des prévisions météorologiques en espagnol et en chinois, avec d’autres langues à suivre, tandis que la société météorologique privée Tomorrow.io a développé un assistant d’IA appelé “Gale” pour aider les entreprises à aider leurs clients. interpréter les prévisions météorologiques pour des cas d’utilisation spécifiques.
contenu connexe
Les frappes de drones israéliens à Jénine signalent une nouvelle stratégie et risquent une réaction violente des militants
