A Google anyacége, az Alphabet tulajdonában lévő londoni cég az elmúlt években többfajta problematikus tudományos probléma megoldásába is belevetette magát: fejlesztői gépi mélytanulással próbálnak olyan komplex feladatokat megoldani, mint a fehérjék hajtogatódása vagy most az időjárás-előrejelzés. Legutóbbi projektjükben a brit meteorológiai szolgálattal fogtak össze, hogy a meglévőknél pontosabb előrejelzési rendszert dolgozzanak ki. Az együttműködés gyümölcsözőnek tűnik, hiszen a DGMR DeepMind nevű, mélytanulásra képes algoritmusa a jelenleg használt módszereknél pontosabban képes megjósolni, hogy fog-e esni a következő 90 percben.
Egy vakon végzett összevetés során több tucat meteorológus értékelte a DGMR és a más meteorológiai modellek előrejelzéseit egy sor tényező alapján (csapadék helye, mennyisége, mozgása és intenzitása), és a szakértők az esetek 89 százalékában a DGMR jóslatait találták a legpontosabbnak. A projekttel kapcsolatos eredményeket a Nature oldalain publikálták a kutatók.
A csapadék rövid távú előrejelzése a meteorológia legnehezebb problémái közé tartozik, ugyanakkor óriási igény van a pontos előrejelzésekre, hiszen számos területen, a rendezvényszervezéstől a repülésen át a segélyszolgálatok munkájáig nagyon fontos lenne tudni, hogy mikor várható intenzív eső. Ennek megjósolása ugyanakkor komplex feladat, hiszen meg kell becsülni, hogy mennyi víz van a légkörben, és hogy ez mikor és fog leesni, ami viszont egy sor egyéb tényezőtől is függ.
A legjobb előrejelzési módszerek összetett számítógépes szimulációkat használnak, amelyekben aprólékosan modellezik a légkör fizikai folyamatait. Ezek a szimulációk hosszú távon már nagyon megbízhatóak, abban azonban kifejezetten gyengék, hogy rövid távon, a következő 1–2 órában hol milyen idő várható. A probléma megoldására korábban is próbáltak mélytanuló algoritmusokat bevetni, de ezek általában csak egy-egy tényező előrejelzésében voltak jók: például meg tudták mondani, hogy pontosan hol fog esni, de abban cserébe pontatlanok voltak, hogy mennyi lesz a csapadék, vagy hogy mennyi idő alatt esik le.
A DeepMind fejlesztői a DGMR-t radaradatokon „edzették”. Világszerte sok ország tesz közzé naponta többször frissülő radarképeket, amelyek a felhők formálódását és mozgását mutatják. Az Egyesült Királyságban például 5 percenként friss radartérkép elérhető. Ezeket a pillanatképeket egymás után fűzve nyomon követhető a felhők haladása és változása. Ezeket az adatokat táplálták be a gépi rendszerbe, amely a rendelkezésre álló képek alapján megtanult saját radarképeket generálni, mintegy „folytatva” a rendelkezésre álló pillanatképeket. A generált képeket aztán összevetették a ténylegesen megfigyelt időjárási adatokkal.
A DGMR rendszerét más, használatban lévő szimulációkkal együtt vakon tesztelte a meteorológiai szolgálat 56 meteorológusa, és a szakértők az esetek 89 százalékában a DeepMind rendszerét értékelték a legjobbnak a rövid távú csapadékelőrejelzésben. A projekt egyúttal kiváló példa arra is, hogy mennyire hasznos, ha egy mesterséges intelligencia fejlesztői a végfelhasználókkal közösen dolgoznak az optimális megoldáson – ami persze alapvetőnek tűnik, de meglepően ritkán valósul meg. A meteorológusok véleménye jelen esetben alapvetően befolyásolta a projekt irányát, a modell végül teljesen máshogy alakult, mint amit a fejlesztők maguktól összeraktak volna, ami mindenképpen pozitívan járult hozzá a kiváló eredményekhez, erősíti meg Suman Ravuri, a DeepMind kutatója.
