Глобальна метеорологічна спільнота стає свідком значного прогресу у прогнозуванні погоди завдяки штучному інтелекту від Google DeepMind. Їхня модель GraphCast демонструє значно кращу точність прогнозування на 10 днів вперед, ніж традиційні методи.
Ця новаторська модель, інформація про яку опублікована у журналі Science, виявилася ефективнішою за світові стандарти метеорологічного прогнозування. GraphCast використовується для передбачення погодних умов в різних регіонах світу з високою точністю, перевершуючи провідну традиційну систему Європейського центру середньострокових прогнозів погоди (ECMWF) за 90% з 1380 показників, включаючи температуру, тиск, швидкість вітру і вологість.
Різні погодні моделі, виготовлені за допомогою Graphcast / © www.science.org
Модель може прогнозувати сотні погодних змінних протягом 10 днів з дозволом 0,25 географічного градусу у всьому світі, і все це – менш ніж за хвилину. Це робить її в тисячу разів дешевшою за енергоспоживанням порівняно з традиційними методами. Проте, незважаючи на значні переваги, GraphCast має і обмеження. Іноді її прогнози можуть бути менш точними, ніж у стандартних методів, і через технологічні обмеження вона не здатна створювати настільки деталізовані прогнози. Тому наразі розробники вважають GraphCast доповненням до традиційних методів прогнозування погоди,