AI 天気予報は期待できるかもしれないが、落とし穴もある

天気を正確に予測するのは難しく、本当に難しいことですが、AI を活用した新しい予測モデルがマイルストーンに到達し、専門家は、予測が間もなくさらに正確になり、さらに先の予測も正確になる可能性があると述べています。

常に変化する大気の中で天候に追いつくには大変な努力が必要です。この課題は非常に難しく複雑であるため、数日以上前に信頼できる予測ができることは、ほんの数十年前には前代未聞でした。

1980 年代初頭の 5 日間の天気予報は、精度が約 65% しかありませんでした。しかし、より優れた気象観測、より堅牢なコンピューティング能力、そしてコンピューターによって世界中の気象をモデル化する方法の革新により、予測は飛躍的に改善されました。現在、同じ予測が 10 回中 9 回的中しています。

専門家らは、GoogleのDeepMindによる新しい人工知能予測モデルであるGenCastのおかげで、今月の予測がさらに前進したと述べた。 DeepMindがNature誌に発表した研究結果によると、その15日間にわたる予測は、最も評判の高い従来の非AI予測モデルの1つよりも大幅に正確だったという。

「これは素晴らしい結果です」と、機械学習の専門家であり、GenCast が最も優れたモデルを擁するヨーロッパ中期天気予報センターの地球システム モデリングの責任者であるピーター デューベン氏は述べています。 「それは大きな一歩だ。」

GenCast はまだ一般公開する準備ができていません。この AI モデルや他の AI モデルには、特に温暖化世界で頻繁に発生する厳しい気象を予測する場合に、予測を変更してその過程で人命を救う前に、解決すべきいくつかの重要な問題がまだあります。

人間対機械

天気予報モデルのスキルと有用性は、常にテクノロジーと密接に結びついています。

今日使用されている天気予報モデルの大部分は、大気の物理学をモデル化する複雑な一連の数式に基づいており、リアルタイムの気象観測から得られた何億ものデータポイントを使用して、天気が 1 日どのように展開するかを描きます。 、今から 1 週間、あるいは 1 シーズン後。

この数値天気予報のプロセスは 1900 年代初頭に初めて考案されましたが、手作業で行う必要があり、非常に時間がかかるため、計算が完了するずっと前に天気がすでに発生していました。

初期のコンピューターは 1950 年代と 1960 年代に予測を改善しましたが、世界中からデータを取得して基本的な予測を生成できる最初のモデルが実用化されたのは 1974 年になってからでした。

現在の日にスキップしてください。スーパーコンピューターは、世界中で何日も先の非常に詳細な天気予報を生成するために、毎日計り知れないほどの計算を実行しています。

しかし、現在の予測モデルにはまだ限界があります。最も堅牢なものは、複雑な計算を処理するのに時間がかかるため、数時間ごとにのみ実行できます。また、多くのコンピューティング能力とエネルギーを必要とするため、コストが高くなります。

そして、予測に関しても限界があります。大気の観察から時間が離れるほど、大気の変化が止まらないため、今後何が起こるかを明確に把握することが難しくなります。

Google の GenCast などのほとんどの AI 天気予報モデルは、異なるアプローチを採用しています。彼らは、物理学に基づいた方程式に組み込まれた観測に依存するのではなく、検証済みの過去の気象データを分析して、同様の状況で大気がどのように振る舞うかを理解することによって、地球の大気が将来どのように振る舞うかを予測します。これにより、リアルタイムの気象データからエラーが排除され、従来のモデルよりも精度が向上します。

また、AI 予測モデルは、トレーニングが完了して準備が整うと、従来のモデルよりもはるかに高速にシミュレーションを実行し、消費する計算能力とエネルギーが少なくなります。これは、より頻繁に実行し、より広範囲の可能性をモデル化し、予測を改善できることを意味します。

Google のゲームチェンジャー

Google の GenCast 以前の AI 気象モデリングは、それが起こる可能性をまったく示さずに単一の予報を吐き出すモデルに限定されていました。これは本質的に、気温、降水量、風などの一般的な気象変数を数日前に予測するのに最も役立つ最善の推測です。

しかし、GenCast は数十のシミュレーションを同時に実行します。

新しい研究の筆頭著者であるイラン・プライス氏は、「複数の可能性のある将来があれば、何が起こるかという範囲の両方を知ることができ、また、ある（将来）が他のものよりもどれだけ可能性が高いかを計算することもできる」と述べている。 DeepMind の上級研究科学者でもあります。

このタイプのモデリング アプローチは、将来約 5 ～ 15 日間の天気予報の信頼性を高めるため、高く評価されています。

欧州中期予報センターのモデルは、ゴールドスタンダードであると広く考えられています。 Google は、この種の初の AI バージョンでそれを打ち負かしたいと考えていましたが、それは実現しました。

研究者らは、2018 年までの 40 年間の気象データに基づいて GenCast をトレーニングしました。その後、トレーニングされたモデルを使用して、2019 年の天気における気温、降水量、風速などの条件の 1,300 以上の組み合わせを予測しました。

AI モデルは、15 日間の時間枠内でこれらの変数の 97% 以上について、ECMWF の従来のモデルよりも正確な予測を生成しましたが、予測の最初の 1 週間で特別なスキルを示しました。

プライス氏によると、テストした変数の正確な組み合わせに応じて、3～5日の範囲で予測の精度が10～30％向上することが示されたという。また、GenCast は ECMWF のモデルよりも 15 日先までの予測が正確であったと研究結果は述べています。

AI モデルは、異常な高温や低温、異常な風速など、いくつかの異常気象をより適切に捕捉できる可能性があります。また、GenCast をスーパーコンピューターで実行するのに必要な時間は、従来のモデルに必要な時間と比較して 10 分未満でした。

この結果は、AI気象モデリング技術の「転換点」を示すものだとプライス氏は述べた。

「AI ベースの天気予報はゴールデンタイムに向けて準備が整っています」とプライス氏は付け加えました。 「運用中の従来のモデルと並行して組み込みを開始する準備ができています。」

プライス氏によると、GenCastはまだ稼働していないが、DeepMindチームは現在の予測と過去の予測のアーカイブを公開することで、それに向けて新たな一歩を踏み出す計画だという。

解決すべき大きな問題

GenCast はモデリングにおける重要な進歩ですが、他の天気予報モデルと同様、完璧ではありません。

AI モデルは過去のデータに基づいて将来を予測するため、新たな潜在的な問題が発生します。

「機械学習モデルは…物理学について何も知りません」と Dueben 氏は説明しました。

これにより、AI が最近発生しなかった将来の極端な事態を想像することが困難になる可能性があります。わずか 40 年分のデータに基づいてトレーニングされた AI モデルは、100 年に 1 度や 1,000 年に 1 度の豪雨など、気候変動の中で記録的なペースで起こる異常気象の種類を正確に予測できるでしょうか?

「実際、これらのモデルは、予想以上に極端な現象に対して堅牢であることが判明しました」とデューベン氏は述べています。 ECMWF は 1 年以上にわたってリアルタイムの天候に対して AI モデルをテストしており、極端な現象であっても全体的な精度が向上していることが確認できたと同氏は説明しました。

しかし、デューベン氏によると、AI モデルは、時代が遠くなるほど、地球上では不可能な物理学を発明し始める可能性があるという。

その他の予測上の問題、特に最も破壊的な気象現象の 1 つである熱帯低気圧に関しては、依然として問題が残っています。

ハリケーンや台風のような熱帯低気圧がどれほど強くなるかを正確に予測することは、すべてのモデルを悩ませる問題です。化石燃料による汚染による世界温暖化の中で、熱帯システムがますます強くなり、急速に激化する頻度が高まる中、これは解決すべき重要な問題となっている。

プライス氏によると、GenCast は熱帯系の進路を予測する際に従来のモデルよりも優れたスキルを示しましたが、強度を正確に把握するのに苦労しました。

その理由の一部は、最近の注目に値する記録破りのシステムの一部が、GenCast がトレーニングに使用した 40 年間のデータに含まれていなかったためだとプライス氏は指摘しました。

これはプライス氏が「かなり自信を持っている」問題であり、モデルがより多くのデータでトレーニングされるにつれて、将来的には克服できるとのことだ。

これらの問題の一部を解決できる可能性のある、機械学習と現実世界の物理学を組み合わせたモデル (ハイブリッド モデルとして知られる) も開発中です。

この初期のテクノロジーが一歩前進するたびに、気象予報士が人々が生活のほぼすべての側面で信頼できる正確な予報を作成するために使用できるツールが 1 つ追加されます。

「原理的には、機械学習の予測に対していくらでも懐疑的になることができます」とデューベン氏は言う。 「これらのモデルは、私たちの天気予報にプラスの影響を与えます。そこには疑問の余地はありません。」