Традиционные модели прогноза погоды превосходят ИИ в предсказании экстремальных явлений

Почему ИИ уступает традиционным моделям в прогнозе экстремальной погоды

Искусственный интеллект всё чаще позиционируется как революция в прогнозировании погоды — быстрый, точный и масштабируемый инструмент. Однако новое исследование, опубликованное в журнале Science, выявило серьёзный недостаток: ИИ-модели, такие как GraphCast и Pangu-Weather, демонстрируют низкую точность при прогнозировании экстремальных погодных явлений. В то же время традиционные физико-математические модели показывают лучшие результаты.

Что показало сравнение моделей

Учёные из Женевского университета под руководством профессора статистики Себастьяна Энгельке провели анализ, сравнив ведущие ИИ-модели с базой данных недавних экстремальных погодных событий. Результаты оказались неутешительными для ИИ:

• Рекордная жара: Например, в начале 2020 года в Сибири произошла аномальная жара, спровоцировавшая лесные пожары и таяние вечной мерзлоты. ИИ-модели занижали прогнозируемые температуры.
• Экстремальный ветер и холод: ИИ демонстрировал меньшую точность по сравнению с традиционными моделями при прогнозировании сильных ветров или рекордно низких температур.

Причина ошибок ИИ

Эксперты объясняют это тем, что ИИ-модели обучаются на исторических данных за последние десятилетия. Они «учатся» прогнозировать погоду, основываясь на шаблонах из прошлого: «Если сегодня такая погода, то завтра, скорее всего, будет так», — говорит Энгельке. Однако экстремальные события, особенно рекордные, в прошлом не встречались. Отсутствие таких данных в обучающей выборке делает прогнозирование практически невозможным.

«ИИ хорошо справляется с типичными прогнозами, но для экстремальных событий — самых важных для общества — он всё ещё отстаёт».
Себастьян Энгельке, профессор статистики, Университет Женевы

Почему традиционные модели лучше

Физико-математические модели основаны на сложных уравнениях, описывающих реальные атмосферные процессы. Они способны адаптироваться к новым условиям, даже если такие явления ранее не наблюдались. Хотя и они не идеальны, но показывают более высокую точность в прогнозировании экстремальных погодных событий.

Когда ИИ всё же выигрывает

Исследование не отрицает преимущества ИИ в других аспектах. Например:

• Типичные прогнозы: Для обычных погодных условий или экстремальных явлений, не выходящих за рамки исторических данных, ИИ превосходит традиционные модели.
• Траектория ураганов: ИИ-модели уже используются для прогнозирования пути движения ураганов.
• Быстроразвивающиеся циклоны: Недавно корпорация Nvidia протестировала свою модель Atlas на примере шторма Деннис в Великобритании. Модель успешно спрогнозировала интенсивность ветра и давления, что помогло оценить потенциальный ущерб.

Как улучшить ИИ-прогнозы экстремальной погоды

Учёные ищут способы повысить точность ИИ в прогнозировании экстремальных явлений. Один из подходов — дополнение обучающих данных синтетическими сценариями экстремальных событий. Это позволит модели «увидеть» такие явления ещё до их реального наступления.

Несмотря на текущие ограничения, ИИ уже интегрирован в работу метеорологических агентств, компаний по обработке данных (например, The Weather Company) и страховых компаний. Его используют в связке с традиционными моделями для повышения общей точности прогнозов.

Вывод: ИИ и традиционные модели должны дополнять друг друга

Эксперты сходятся во мнении, что будущее за гибридными системами, сочетающими сильные стороны обеих технологий. ИИ способен быстро обрабатывать большие объёмы данных и выявлять сложные зависимости, тогда как традиционные модели обеспечивают надёжность в прогнозировании редких и разрушительных явлений.

Пока ИИ не сможет полностью заменить классические методы, традиционные модели останутся ключевым инструментом для защиты жизни и имущества от экстремальных погодных условий.