Творці нової програми штучного інтелекту для прогнозування погоди стверджують, що вона здатна досягти того ж рівня точності, що й традиційні прогнози, що формуються за години чи дні на потужних суперкомп'ютерах, всього за одну секунду на настільному комп'ютері. Від 1950-х років прогнозування погоди переважно залежало від фізичних моделей, які аналізують дані з супутників, повітряних куль і метеостанцій. Ці обчислення, відомі як чисельне прогнозування погоди (NWP), вимагають значних обчислювальних ресурсів і енергії, використовуючи великі, дорогі суперкомп'ютери. Нещодавно з'явилися спроби покращити цей процес за допомогою ШІ. Наприклад, дослідники Google розробили інструмент штучного інтелекту минулого року, який міг замінити складний код у частинах погодної моделі, значно зменшуючи необхідну обчислювальну потужність. Потім DeepMind вдосконалила цей підхід, використовуючи ШІ для генерації всього прогнозу, який був затверджений Європейським центром короткострокових прогнозів погоди (ECMWF) з впровадженням системи штучного інтелекту для прогнозування минулого місяця. Однак ця поступова інтеграція ШІ в прогнозування погоди не усунула всі традиційні обчислювальні методи, і на цю прогалину звертає увагу Річард Тёрнер з Кембриджського університету разом зі своєю командою, прагнучи вирішити це питання за допомогою своєї нової моделі. Тёрнер зазначає, що попередні спроби зосереджувалися виключно на прогнозуванні і не враховували важливий етап ініціалізації, в якому дані з глобальних супутників, повітряних куль і метеостанцій поєднуються та організовуються в структуровану сітку. "Цей процес споживає половину обчислювальних ресурсів, " підкреслює він. Дослідники розробили систему, названу Aardvark Weather, яка вперше замінює як етапи прогнозування, так і ініціалізації. Aardvark використовує лише 10 відсотків вхідних даних, необхідних сучасним системам, при цьому забезпечуючи результати, порівнянні з провідними NWP прогнозами, що підкреслюється в їхньому дослідженні. Збір повного прогнозу, який зазвичай вимагає годин або днів на суперкомп'ютері для NWP, тепер можна виконати приблизно за одну секунду на стандартному настільному комп'ютері з Aardvark. Проте Aardvark працює на моделі сітки поверхні Землі з осередками розміром 1, 5 градуса квадратних, на відміну від моделі ERA5 ECMWF, яка має осередки розміром до 0, 3 градуса. Цей великий розмір сітки означає, що Aardvark може пропустити складні та непередбачувані погодні явища, відповідно до Девіда Шульца з Манчестерського університету. "Є багато невирішених факторів, які можуть порушити ваш прогноз, " зазначає Шульц.

"На цьому масштабі вони не можуть ефективно представити екстремуми. " Тёрнер стверджує, що Aardvark може перевершити деякі існуючі моделі при виявленні рідкісних подій, таких як циклони. Однак він визнає, що моделі штучного інтелекту, такі як його, все ще сильно покладаються на фізичні моделі для свого навчання. "Вона абсолютно не спрацює, якщо ви видалите дані навчання фізичної моделі і використовуватимете лише спостережні дані, " зізнається він. "Ми намагалися створити повністю вільну від фізики модель, але результати не були успішними. " Тёрнер уявляє майбутнє, в якому прогнозування погоди охоплює вчених, які вдосконалюють усе точніші фізичні моделі, які, в свою чергу, навчають системи ШІ швидше і ефективніше відтворювати їхні результати. Деякі, як Нікіта Гур’янов з Оксфордського університету, ще більше сповнені надії, прогнозуючи, що ШІ зрештою зможе виробляти прогнозування погоди, що перевищують можливості NWP, використовуючи лише спостережні та історичні метеорологічні дані. "Це питання як масштабу, так і винахідливості, " зазначає він. "Важливо бути розумним щодо введення даних і структурування нейронної мережі. "