Kreatori novog AI programa za prognozu vremena tvrde da može postići istu razinu tačnosti kao konvencionalne prognoze koje se generiraju tokom sati ili dana na moćnim superračunarima, a sve to za samo jednu sekundu na običnom računaru. Od 1950-ih, prognoza vremena se u velikoj mjeri oslanjala na modele zasnovane na fizici koji analiziraju podatke iz satelita, balona i meteoroloških stanica. Ove proračune, poznate kao numerička prognoza vremena (NWP), zahtijevaju značajne računalne resurse i energiju, koristeći velike, skupe superračunare. U posljednje vrijeme, postojali su napori da se ovaj proces poboljša korištenjem AI. Na primjer, istraživači iz Googlea razvili su prošle godine AI alat koji bi mogao zamijeniti složeni kod u dijelovima modela vremena, značajno smanjujući potrebnu računalnu snagu. DeepMind je zatim unaprijedio ovaj pristup koristeći AI za generisanje cijele prognoze, što je usvojeno od strane Evropskog centra za prognozu vremenskih prilika srednjeg dometa (ECMWF) s uvođenjem Sistema za prognozu pomoću veštačke inteligencije prošlog mjeseca. Međutim, ova postepena integracija AI u prognozu vremena nije eliminisala sve tradicionalne računske metode, što je praznina koju Richard Turner sa Univerziteta u Cambridgeu i njegov tim žele da adresiraju sa svojim novim modelom. Turner ističe da su se prethodni napori fokusirali isključivo na prognoziranje i zanemarili vitalni korak inicijalizacije, u kojem se podaci sa globalnih satelita, balona i meteoroloških stanica kombinuju i organizuju u strukturiranu mrežu. “Taj proces troši polovinu računalnih resursa, ” naglašava. Istraživači su razvili sistem nazvan Aardvark Weather, koji po prvi put zamenjuje i fazu prognoziranja i fazu inicijalizacije. Aardvark koristi samo 10 posto ulaznih podataka koje trenutni sistemi trebaju, dok proizvodi rezultate uporedive s vodećim NWP prognozama, kako je naglašeno u njihovoj studiji. Kompilacija pune prognoze, koja obično zahtijeva sate ili dane na superračunaru za NWP, sada se može ostvariti za oko jednu sekundu na standardnom desktopu sa Aardvarkom. Ipak, Aardvark funkcioniše na mrežnom modelu zemljine površine s ćelijama dimenzija 1, 5 stepeni kvadratnih, nasuprot ECMWF-ovom ERA5 modelu, koji ima ćelije male čak 0, 3 stepena. Ova veća veličina mreže može značiti da Aardvark propušta složene i neočekivane vremenske obrasce, prema Davidu Schultzu sa Univerziteta u Manchesteru. “Postoji mnogo neriješenih faktora koji bi mogli ometati vašu prognozu, ” kaže Schultz.

“Na ovoj skali, oni ne predstavljaju ekstremne događaje efikasno. ” Turner tvrdi da Aardvark može nadmašiti neka postojeća modela prilikom identifikacije rijetkih događaja kao što su cikloni. Međutim, priznaje da AI modeli poput njegovog i dalje u velikoj mjeri oslanjaju na modele zasnovane na fizici za njihovu obuku. “Apsolutno ne uspijeva ako uklonite podatke za obuku iz fizičkog modela i koristite samo opservacione podatke, ” priznaje. “Pokušali smo stvoriti potpuno model bez fizike, ali rezultati nisu bili uspješni. ” Turner vidi budućnost u kojoj prognoza vremena uključuje naučnike koji usavršavaju sve preciznije modele zasnovane na fizici koji, zauzvrat, obučavaju AI sisteme da brže i efikasnije repliciraju njihove rezultate. Neki, poput Nikite Gourianova sa Univerziteta u Oxfordu, su još optimističniji, predviđajući da bi AI na kraju mogao proizvoditi vremenske prognoze koje nadmašuju sposobnosti NWP, koristeći isključivo opservacione i istorijske podatke o vremenu. “To je pitanje i razmjere i inventivnosti, ” napominje. “Biti pametan u vezi sa ulaznim podacima i strukturirati neuronsku mrežu je ključno. ”