Kreatori novog AI programa za vremensku prognozu tvrde da može postići isti nivo tačnosti kao i konvencionalne prognoze koje se proizvode tokom sati ili dana na moćnim superračunarima za samo jednu sekundu na desktopu. Od 1950-ih, vremenska prognoza pretežno se oslanjala na modele zasnovane na fizici koji analiziraju podatke sa satelita, balona i meteoroloških stanica. Ove kalkulacije, poznate kao numerička prognoza vremena (NWP), zahtevaju značajne računarske resurse i energiju, koristeći velike, skupe superračunare. U poslednje vreme, postoje napori da se ovaj proces poboljša putem AI. Na primer, istraživači iz Google-a su prošle godine razvili AI alat koji može zameniti složeni kod u delovima vremenskog modela, drastično smanjujući potrebnu računalnu snagu. DeepMind je zatim unapredio ovaj pristup primenjujući AI za generisanje cele prognoze, koju je Evropski centar za srednjoročnu vremensku prognozu (ECMWF) usvojio sa uvođenjem Sistema za veštačku inteligenciju za prognoziranje prošlog meseca. Međutim, ova postepena integracija AI u prognozu vremena nije uklonila sve tradicionalne računarske metode, razliku koju Richard Turner sa Univerziteta u Kembridžu i njegov tim žele da reše svojim novim modelom. Turner napominje da su se prethodni napori fokusirali isključivo na prognoziranje i zanemarili vitalni korak inicijalizacije, u kojem se podaci iz globalnih satelita, balona i meteoroloških stanica kombinuju i organizuju u strukturiranu mrežu. “Taj proces troši polovinu računarskih resursa, ” naglašava. Istraživači su razvili sistem pod nazivom Aardvark Weather, koji prvi put zamenjuje i faze prognoziranja i inicijalizacije. Aardvark koristi samo 10 procenata ulaznih podataka koje trenutni sistemi zahtevaju, dok proizvodi rezultate uporediva sa vodećim NWP prognozama, što je istaknuto u njihovom istraživanju. Sastavljanje kompletne prognoze, koja obično zahteva sate ili dane na superračunaru za NWP, sada se može postići za otprilike jednu sekundu na standardnom desktopu uz Aardvark. Ipak, Aardvark funkcioniše na mrežnom modelu zemljine površine sa ćelijama koje mere 1, 5 stepeni kvadratnih, za razliku od ECMWF-ovog ERA5 modela, koji ima ćelije male kao 0, 3 stepena. Ova veća veličina mreže znači da Aardvark može propustiti složene i neočekivane vremenske obrasce, smatra David Schultz sa Univerziteta u Mančesteru. “Postoji mnogo nerešenih faktora koji bi mogli narušiti vašu prognozu, ” kaže Schultz.

“Na ovoj skali, ne uspevaju da efikasno predstave ekstremne događaje. ” Turner tvrdi da Aardvark možda nadmašuje neke postojeće modele kada je reč o prepoznavanju retkih događaja poput ciklona. Međutim, priznaje da AI modeli poput njegovog i dalje u velikoj meri zavise od modela zasnovanih na fizici za svoje obuke. “Apsolutno ne uspeva ako uklonite obučene podatke modela fizike i koristite samo opservacione podatke, ” priznaje. “Pokušali smo da stvorimo potpuno model bez fizike, ali rezultati nisu bili uspešni. ” Turner predviđa budućnost u kojoj prognoza vremena uključuje naučnike koji usavršavaju sve preciznije modele zasnovane na fizici koji, zauzvrat, obučavaju AI sisteme da brže i efikasnije ponavljaju svoje izlaze. Neki, poput Nikite Gourianova sa Univerziteta u Oksfordu, su čak optimističniji, predviđajući da bi AI na kraju mogla proizvoditi vremenske prognoze koje nadmašuju NWP sposobnosti, koristeći isključivo opservacione i istorijske podatke o vremenu. “To je pitanje i skale i domišljatosti, ” primećuje. “Pametno upravljanje ulaznim podacima i strukturiranje neuronske mreže je ključno. ”