Modeli vremenske prognoze zasnovani na veštačkoj inteligenciji su poslednjih godina bili atraktivni, ali im je nedostajala preciznost.
Kompanija Huawei razvila je Pangu Weather, model predviđanja vremenskih uslova koji nudi 10.000 puta veću brzinu od tradicionalnih numeričkih metoda, pa se prognoza za ceo svet može dobiti za samo nekoliko sekundi, što je do sada smatrano nemogućim.
Zahvaljujući tačnom predviđanju putanje ovogodišnjeg tajfuna Mavar, jedan od vodećih svetskih naučnih časopisa, Nature, objavio je članak o Pangu Weather AI Modelu. Huawei i njegovi stručnjaci prvi put su jedini autori ovako važnog Nature dokumenta, koji opisuje kako da se razvije precizan i tačan globalni sistem AI vremenske prognoze zasnovan na podacima prethodne 43 godine. Rad je nazvan Tačna globalna vremenska prognoza srednjeg dometa sa 3D neuronskim mrežama i pruža nezavisno ispitivanje Huawei dostignuća u Cloud i AI oblastima.
Objašnjavajući zašto je HUAWEI CLOUD AI tim odlučio da se fokusira na predviđanja vremena, dr Tian Ki, glavni naučnik HUAWEI CLOUD AI Field, IEEE saradnik, i akademik Međunarodne Evroazijske akademije nauka, rekao je da je prognoza vremena jedan od najvažnijih scenarija u oblasti naučnog računarstva i da je meteorološko predviđanje veoma složen sistem.
"Velika nam je čast što je naše istraživanje prepoznao prestižan časopis Nature, jer rešava neke od važnih problema koji su do sada postojali. AI modeli u stanju su da predvide ponašanje atmosfere iz masivnih podataka koje ima na raspolaganju. Trenutno Pangu Weather uglavnom obavlja predviđanje prognoze, a njegova glavna sposobnost jeste da predvidi evoluciju atmosferskih stanja. Naš krajnji cilj je da izgradimo okvir za prognozu vremena sledeće generacije koristeći AI tehnologije za jačanje postojećih sistema predviđanja", objasnio je dr Tian Ki.
Komentarišući značaj i kvalitet istraživanja koje je sproveo HUAWEI CLOUD, akademski recenzenti iz Nature magazina su objasnili da je Pangu Weather veoma jednostavan za preuzimanje i pokretanje, kao i da se brzo realizuje čak i na desktop računaru.
Ubrzanim razvojem računarske snage u poslednjih 30 godina, tačnost numeričke vremenske prognoze je značajno poboljšana, pružajući preciznija upozorenja o katastrofama i ekstremnim klimatskim promenama. Ipak, za neke važne rezultate i dalje je potrebno dosta vremena, pa su, da bi ubrzali predviđanja, istraživači tražili način kako da koriste metode mašinskog učenja. Nažalost, bez obzira na to što je veštačka inteligencija sve više uvođena u predviđanje prognoze, AI uglavnom nije bio u stanju da predvidi ekstremno vreme kao što su tajfuni.
Zbog svoje brzine, poslednjih godina modeli vremenske prognoze zasnovani na veštačkoj inteligenciji su bili atraktivni, ali im je nedostajala preciznost iz dva razloga. Prvi, postojeći modeli AI meteorološke prognoze zasnovani su na 2D neuronskim mrežama, koje ne mogu dobro da obrađuju neujednačene 3D meteorološke podatke. I drugo, vremenska prognoza srednjeg opsega može sadržati kumulativne grešake u prognozi kada se model poziva previše puta.
Kako je Pangu Weather rešio izazov preciznosti
Tokom naučnih ispitivanja, Pangu Weather model je pokazao veću preciznost u poređenju sa tradicionalnim numeričkim metodama predviđanja za prognoze od jednog sata do 7 dana, sa povećanjem brzine predviđanja od 10.000 puta. Model je u stanju da za samo nekoliko sekundi predvidi najfinije meteorološke podatke uključujući vlažnost, brzinu vetra, temperaturu i pritisak na nivou mora.
Model koristi 3D Earth-Specific Transformer (3DEST) arhitekturu za obradu složenih različitih 3D meteoroloških podataka. Koristeći hijerarhijsku, vremensku strategiju agregacije, model je obučen za različite intervale prognoze koristeći one od jednog sata, tri, šest i 24 sata. Ovo je rezultiralo smanjenjem količine iteracija za predviđanje meteorološkog stanja u određeno vreme i smanjenjem pogrešnih prognoza.
Da bi obučili AI model za određene vremenske intervale, istraživači su obučili 100 epoha (ciklusa) koristeći uzorke vremenskih podataka po satu od 1979. do 2021. godine. Svaki od podmodela zahtevao je 16 dana obuke na 192 grafičke karte. Zahvaljujući ovome Pangu Weather Model sada može da dovrši 24-časovnu globalnu vremensku prognozu za samo 1,4 sekunde na V100 grafičkoj karti, što je poboljšanje od 10.000 puta u poređenju sa tradicionalnim numeričkim predviđanjem.
U cilju kontinuiranog i daljeg unapređenja AI modela vremenske prognoze stabilna Cloud okruženja, radni alati i odgovarajući sistemi operacija i održavanja su, takođe, neophodni, a Huawei ih sve objedinjuje u svojoj ponudi.
BONUS VIDEO: