Традиционные модели всё ещё точнее предсказывают экстремальную погоду, чем ИИ

Почему традиционные модели остаются надёжнее в прогнозировании экстремальной погоды

Согласно новому исследованию, опубликованному в журнале Science Advances, искусственные нейронные сети не способны так же точно предсказывать рекордные погодные явления, как классические климатические модели, основанные на физических законах. Учёные из университета Женевы провели анализ прогнозов более чем тысячи экстремальных событий — жары, холода и сильного ветра, зафиксированных в 2018 и 2020 годах. Результаты показали, что ИИ-модели систематически недооценивают как частоту, так и интенсивность таких явлений.

«Это предупреждение о том, что не стоит слишком быстро отказываться от традиционных моделей в пользу ИИ», — заявил один из авторов исследования, профессор Себастьян Энгельке, в интервью для Carbon Brief.

Как работают традиционные и ИИ-модели

Традиционные климатические модели, используемые метеорологами на протяжении десятилетий, основаны на сложных уравнениях, описывающих физические процессы в атмосфере и океане. Эти уравнения выведены из фундаментальных законов физики и десятилетий научных исследований. Благодаря этому такие модели способны предсказывать погоду на несколько дней или даже недель вперёд с высокой точностью.

В отличие от них, ИИ-модели используют статистический подход. Они обучаются на огромных массивах исторических данных о погоде, распознавая в них закономерности и прогнозируя будущие события на их основе. Преимущества таких моделей очевидны: они требуют значительно меньше вычислительных ресурсов, так как не нуждаются в решении тысяч уравнений. Кроме того, в ряде случаев ИИ уже превосходит традиционные модели по точности краткосрочных прогнозов.

Главный недостаток ИИ: ограниченность историческими данными

Однако у ИИ-моделей есть серьёзный изъян. По словам профессора Энгельке, их работа «сильно зависит от качества и объёма обучающих данных». Это означает, что такие модели плохо справляются с предсказанием принципиально новых погодных явлений, которые никогда не наблюдались ранее. Экстремальные события, бьющие рекорды, как раз и относятся к категории таких «невиданных» явлений.

Учёные подчёркивают: по мере изменения климата экстремальные погодные явления становятся всё более интенсивными и частыми. В этих условиях способность ИИ точно прогнозировать рекордные события вызывает сомнения. «Рекордные явления, которые превышают все предыдущие показатели, невозможно предсказать, если их никогда не было в обучающей выборке», — объясняет Энгельке.

Почему это важно для общества

Экстремальные погодные явления — наводнения, аномальная жара, штормы — наносят многомиллиардный ущерб каждый год. Они разрушают сельскохозяйственные угодья, выводят из строя инфраструктуру и угрожают жизни людей. Многие государства внедрили системы раннего оповещения, которые помогают минимизировать ущерб и спасать жизни. Однако точность таких систем напрямую зависит от качества прогнозов.

Если ИИ-модели не способны адекватно предсказывать рекордные явления, это ставит под угрозу эффективность систем раннего предупреждения. «Мы не можем позволить себе ошибочные прогнозы в условиях учащающихся экстремальных событий», — подчёркивают эксперты.

Выводы и перспективы

Исследование не отвергает ИИ полностью, но демонстрирует его текущие ограничения. Учёные считают, что оптимальным решением может стать гибридный подход, сочетающий преимущества традиционных и ИИ-моделей. Такой симбиоз позволит использовать сильные стороны каждой технологии: физическую точность традиционных моделей и скорость обработки данных ИИ.

Пока же традиционные климатические модели остаются более надёжным инструментом для прогнозирования экстремальных погодных явлений, особенно в условиях изменяющегося климата.

«ИИ может быть полезен для краткосрочных прогнозов, но для долгосрочных и экстремальных событий традиционные модели пока вне конкуренции».