DeepMind de Google applique l’apprentissage automatique aux prévisions météorologiques, déjouant les méthodes de prévision traditionnelles

Depuis qu'ils ont observé les étoiles, les humains essaient de prédire le temps qu'il fait. Les cours d'anglais dans les écoles primaires et secondaires nous font également savoir que la plupart des salutations des Britanniques commencent par la météo. Dois-je apporter un parapluie ? Comment aménager l'itinéraire des véhicules en cas de forte pluie ? Quelles mesures de sécurité doivent être prises lors des activités de plein air? Les prévisions météorologiques sont d'une grande importance pour la vie quotidienne.

« Prévision météorologique à court terme » est une prévision de la tendance météorologique au cours des 0 à 12 prochaines heures, et « prévision immédiate » est un type de prévision météorologique à court terme, qui fait spécifiquement référence aux prévisions météorologiques pour les 0 à 2 prochaines heures. , qui est une source d'énergie.La gestion, les services maritimes, les systèmes d'alerte aux inondations, le contrôle du trafic aérien… fournissent des informations clés pour la prise de décision.

Récemment, DeepMind, un laboratoire d'IA appartenant à Google, a publié un article dans Nature. Le contenu de la recherche consiste à appliquer l'apprentissage automatique à la prévision immédiate des précipitations et à créer un modèle génératif profond (Deep Generative Model, ci-après dénommé DGM).

L'alliance des sciences de l'environnement et de l'intelligence artificielle a ouvert une nouvelle voie pour la prévision immédiate. DeepMind pense que les prévisions imminentes actuelles présentent deux problèmes.

D'une part, les prévisions météorologiques d'aujourd'hui sont principalement pilotées par le système de prévision météorologique numérique (NWP), mais il est difficile pour NWP de générer des prévisions à haute résolution pour le temps proche dans les 2 heures, et la prévision immédiate remplit cet intervalle critique. Cependant, les méthodes courantes de prévision immédiate présentent également des lacunes : il n'est pas facile de capturer des événements non linéaires importants .

D'autre part, plusieurs méthodes de prévision climatique basées sur l'apprentissage automatique ont été développées ces dernières années.Bien que ces méthodes puissent prédire avec précision les précipitations de faible intensité, elles ne fonctionnent pas bien lors de rares événements de pluie modérée et forte.

En bref, DeepMind estime que pour rendre la prévision immédiate plus précieuse, il doit fournir des prévisions précises, tenir pleinement compte de l'incertitude et apporter des améliorations statistiquement significatives aux prévisions de fortes pluies.

Dans le même temps, les progrès de la détection météorologique ont permis d'utiliser des radars à haute résolution à des fréquences élevées, souvent toutes les 5 minutes avec une résolution de 1 km. Ces données de haute qualité offrent des opportunités pour l'intervention de la technologie d'apprentissage automatique.

Le DGM de DeepMind a appris la distribution de probabilité des données et a été formé sur la base d'un grand nombre d'ensembles de données d'événements de précipitations enregistrés par le radar britannique de 2016 à 2018. Après la formation, il peut fournir des nowcasts après avoir été exécuté sur un seul GPU NVIDIA V100 pendant un peu plus d'une seconde. DeepMind affirme que DGM peut prédire des événements météorologiques difficiles à suivre en raison du caractère aléatoire potentiel et prédire avec précision l'emplacement des précipitations.

Jugé par 56 météorologues, comparé aux modèles de prévision immédiate et à d'autres modèles d'apprentissage automatique, le DGM a une prévision immédiate plus réaliste et cohérente dans une zone de 1536 km × 1280 km, par rapport aux deux autres dans 89% des cas La méthode est plus précis et pratique, et le temps d'approche est de 5 à 90 minutes.

L'intelligence artificielle a plus d'utilisations dans le domaine du changement climatique. En octobre 2019, des chercheurs ont utilisé l'intelligence artificielle pour générer des images météorologiques extrêmes afin de visualiser le changement climatique. Il est difficile pour les questions climatiques d'évoquer une mobilisation collective, notamment parce que les gens pensent que ces changements se produisent généralement dans le temps et dans l'espace lointain. Par conséquent, seules des informations personnellement pertinentes et même émotionnelles peuvent produire une communication vraiment efficace.

Les chercheurs saisissent des images de différents emplacements et types de bâtiments (tels que des maisons, des fermes, des rues, des villes) pour former plus d'une douzaine de modèles de synthèse d'intelligence artificielle, puis demandent aux évaluateurs de choisir entre des images réelles et des images semi-générées pour calculer l'erreur moyenne. taux. La vision ultime de ce travail est de créer une architecture d'apprentissage automatique pour générer les images les plus réalistes dans des conditions météorologiques extrêmes, notamment des inondations, des incendies de forêt, des cyclones tropicaux et des événements encore plus catastrophiques en fonction de l'emplacement sélectionné par l'utilisateur.

« Changement climatique » est le maître-mot de cette année. En 2021, le prix Nobel de physique a été décerné à trois scientifiques, dont deux pour les recherches de « construire un modèle physique du climat terrestre, quantifier sa variabilité, et prédire de manière fiable le réchauffement climatique". Selon le CDP, une organisation internationale à but non lucratif, les 500 plus grandes entreprises mondiales devront débourser environ 1 000 milliards de dollars au cours des prochaines décennies pour couvrir les coûts associés au changement climatique, à moins qu'elles ne prennent des mesures positives à l'avance.

Shakir Mohamed , chercheur principal chez DeepMind, estime :

La capacité de modéliser des phénomènes complexes, de faire des prédictions rapides et d'exprimer des incertitudes fait de l'intelligence artificielle un outil puissant pour les scientifiques de l'environnement.

Conformément à cette situation, le modèle de DeepMind et d'autres modèles similaires peuvent avoir un large éventail d'applications, aidant les prévisionnistes à passer moins de temps à parcourir la pile sans cesse croissante de données de prévision, afin de se concentrer sur la signification de la prévision.

#Bienvenue pour suivre le compte WeChat officiel d'Aifaner : Aifaner (WeChat ID : ifanr), un contenu plus passionnant vous sera fourni dès que possible.

Ai Faner | Lien original · Voir les commentaires · Sina Weibo