A Google-nél rengeteg kutatás folyik, a mesteréges intelligencia fejlesztéseik is messze túlmutatnak a chatbotokon és a generatív MI képalkotó szolgáltatásokon. A DeepMind csapata a napokban a Nature hasábjain publikálta az időjárás előrejelzés terén elért legfrissebb eredményeket, a csapat GenCast néven hozott létre egy új modellt, ami az eddigieknél lényegesen jobb hatékonysággal képes üzemelni, és nagy pontosságot ígér.
A mesterséges intelligenciát, gépi tanulást hosszú ideje próbálják alkalmazni az időjárási adatok feldolgozására és az előrejelzések pontosabbá tételére. Számos korábbi próbálkozást lehetne felsorolni ezen a területen. Csak, hogy a nagyobb a figyelmet kapó megoldásokat említsük, ott volt 2022-ben az Nvidiától a FourCastNet, valamint tavaly a Huawei-től a Pangu-Weather modell, ami 39 év adatain lett tréningezve. Ezek azonban még más elven dolgoztak, mint az új GenCast.
A Huawei megoldása, és sok más MI alapú fejlesztés, determinisztikus előrejelzések létrehozásában jeleskedett, vagyis nem szolgáltattak részletesebb adatokat, csak egy lehetséges helyzetet határoztak meg. Ezzel szemben a GenCast már egy valószínűségi előrejelzéseket lehetővé tevő rendszer. A modern időjárás előrejelzésben ilyen eszközöket együtt szoktak alkalmazni a lehető legjobb pontosság és hatékonyság elérése érdekében. Nem egy-egy eljárással dolgoznak az előrejelzések meghatározásakor.
A GenCast munkája során több különböző időjárási kimenetet hoz létre ahelyett, hogy egyetlen nagyon pontos adatra koncentrálna. Ez az előrejelzések meghatározása során nagyobb segítséget jelenthet a szakemberek számára. Arról egyelőre szó nincs, hogy a DeepMind fejlesztése képes lenne magától komplett időjárás előrejelzéseket felvázolni, de nem is ez a fejlesztők célja.
40 évet átfogó időjárási adaton tréningezte a DeepMind a GenCast rendszert. 1979-től 2018-ig vettek alapul korábbi adatokat. Majd a munkájuk sikerességének felmérését úgy tesztelték, hogy 2019-re állítottak elő különböző időjárási előrejelzéseket a rendelkezésre álló, ugyancsak historikus adatok alapján. Az eredmények pedig magukért beszélnek, ugyanis az általánosan alkalmazott ECMWF ENS rendszernél jobb hatékonyságot hozott össze a GenCast.
Összesen 1320 kombinációt elemeztek a teszt során, és 97,2%-ban tudott pontosabban teljesíteni a GenCast, 36 órán belül pedig ez az eredmény még jobban alakult, 99,8%-ban hatékonyabb munkatársnak bizonyult a GenCast, mint az ECMWF ENS. A DeepMind fejlesztése abban is felülmúlta az ENS modellt, hogy az extrém időjárási viszonyokat megjósolja, hurrikánok útonalát felmérje. Ennek nagy a jelentősége, hiszen a pontosabb előrejelzésekkel koncentráltabban lehet például a védekező intézkedéseket meghozni.
A mesterséges intelligencia eszközök sokszor brutális fogyasztással üzemelnek, hogy elkápráztassák az embereket különböző módokon. Nos, ebben az esetben ilyen hátrányról sem beszélhetünk, és erre a DeepMind különösen büszke.
Az ECMWF ENS modellnek egy saját szuperszámítógépet üzemeltetnek, ezzel szemben a GenCast modell mindössze egyetlen Google Cloud TPU v5 feldolgozót használva is elvan, ha nem kap nagyobb számítási kapacitást. Alig 8 perc alatt képes létrehozni egy 15 napos valószínűségi előrejelzést egyetlen Google által fejlesztett gyorsítót munkára fogva. Ráadásul az előrejelzéseket képes párhuzamosan generálni, hogy a lehető legjobb kihasználtságon üzemeljen.
Ha minden jól megy, akkor a meteorológusok hamarosan élesben dolgozhatnak majd a GenCast modellel. A DeepMind szerint a mesterséges intelligencia ilyen formában a teljes emberiségnek nagy hasznára válhat, hiszen a pontosabb előrejelzések mindenki életére kihatással vannak közvetlenül és közvetve egyaránt.
