Google го претстави GenCast, модел со вештачка интелигенција со висока резолуција, кој беше опишан во списанието Nature.
Точната временска прогноза е исклучително важна, без разлика дали се работи за секојдневни активности, обновлива енергија или екстремни ситуации како подготовка за катастрофа. GenCast го надминува сегашниот најдобар систем, ENS на ECMWF, во прогнозите до 25 дена однапред.
GenCast е модел на дифузија, сличен на оние што се дел од генераторите на слики со вештачка интелигенција, но сепак, тој е специјално подесен за геометријата на Земјата. Обучен е за четиридецениски историски податоци од архивите на ECMWF.
За да го тестира, Google го обучи GenCast за историски податоци за времето до 2018 година и создаде 1.320 различни временски прогнози за 2019 година, а потоа ги спореди со ENS и вистинското време. GenCast беше попрецизен од ENS во 97,2% од случаите, додека неговата точност на прогнозата за 36 часа и подолго беше повисока до 99,8%.
Во еден пример, Google му даде задача на GenCast да го предвиди патот на тајфунот Хагибис, кој ја погоди Јапонија во 2019 година. Црвената боја ја означува патеката на тајфунот, додека сината ги претставува можните патеки предвидени од моделот со вештачка интелигенција на Google. По 7 дена, тие се доста распространети, но се стеснуваат на вистинската патека додека тајфунот се приближува до земјата.
GenCast им дава повеќе време на властите да се подготват за лоши временски услови и може да ја предвиди брзината на ветерот во близина на фармите со ветерници, времето во областа на сончевите фарми и слично.
GenCast е „модел на ансамбл“, што значи дека произведува повеќе од 50 предвидувања со различни веројатности. Една таква прогноза, која опфаќа 15-дневна прогноза, може да се генерира за 8 минути на Google Cloud TPU v5, според Google. Паралелно може да се вршат повеќе предвидувања. Во меѓувреме, традиционалниот модел за временска прогноза трае со часови на суперкомпјутер.
Google го лансираше GenCast како отворен модел. Компанијата планира да продолжи да работи со метеоролошките агенции и научниците за да ги подобри идните временски прогнози.
