GoogleのAI天気予測モデルは非常に優れている

Google DeepMind の新しい AI モデルである GenCast は、従来の天気予報と競合できるほど正確です。最近発表された調査結果によると、2019 年のデータでテストしたところ、主要な予測モデルを上回るパフォーマンスを示しました。

AI がすぐに従来の予報に取って代わるわけではありませんが、天気を予測し、激しい嵐について国民に警告するために使用されるツールが増える可能性があります。 GenCast は、より正確な予報につながる可能性のある、開発中のいくつかの AI 天気予報モデルのうちの 1 つです。

「天気は基本的に私たちの生活のあらゆる側面に影響を及ぼします。また、天気を予測するということは、大きな科学的課題の 1 つでもあります」と、ディープマインドの上級研究員であるイラン・プライス氏は言います。 「Google DeepMind には、人類の利益のために AI を進歩させるという使命があります。そして、これは重要な方法の 1 つであり、その面での重要な貢献の 1 つであると思います。」

Price氏らは、欧州中期予報センター（ECMWF）が運営する世界トップクラスの予測モデルの1つであるENSシステムに対してGenCastをテストした。今週ジャーナルに掲載された研究結果によると、GenCast は 97.2% の確率で ENS を上回りました。 自然。

GenCast は、1979 年から 2018 年までの気象データに基づいてトレーニングされた機械学習気象予測モデルです。このモデルは、40 年間の履歴データのパターンを認識することを学習し、それを使用して将来何が起こるかを予測します。これは、大気の物理学をシミュレートするために複雑な方程式を解くために依然としてスーパーコンピューターに依存している ENS のような従来のモデルの動作方法とは大きく異なります。 GenCast と ENS は両方とも、さまざまな可能なシナリオを提供するアンサンブル予測を生成します。

たとえば、熱帯低気圧の進路を予測する場合、GenCast は平均してさらに 12 時間の事前警告を与えることができました。一般に、GenCast はサイクロンの進路、異常気象、風力発電量を 15 日前までに予測することに優れていました。

1 つの注意点は、GenCast が古いバージョンの ENS に対してテストを行ったため、現在はより高い解像度で動作することです。査読済みの研究では、GenCast の予測と 2019 年の ENS の予測を比較し、各モデルがその年の現実世界の状況にどれだけ近づいたかを確認しています。 ECMWF機械学習コーディネーターのマット・チャントリー氏によると、ENSシステムは2019年以来大幅に改善されたという。そのため、今日 GenCast が ENS に対してどれほど優れたパフォーマンスを発揮できるかを判断するのは困難です。

確かに、強力な予測を行う上で重要な要素は解像度だけではありません。 ENS は 2019 年にすでに GenCast よりわずかに高い解像度で動作していましたが、それでも GenCast はそれを上回ることができました。 DeepMindは、2020年から2022年のデータに対して同様の調査を実施し、同様の結果が得られたとしているが、査読は受けていない。しかし、ENS が大幅に高い解像度で実行され始めた 2023 年については、比較するためのデータがありませんでした。

GenCast は世界をグリッドに分割し、0.25 度の解像度で動作します。つまり、グリッド上の各正方形は緯度 4 度、経度 4 度になります。対照的に、ENS は 2019 年に 0.2 度の分解能を使用していましたが、現在は 0.1 度の分解能です。

それにもかかわらず、GenCastの開発は「天気予報の進化において重要なマイルストーンとなる」とChantry氏は電子メールでの声明で述べた。 ECMWFはENSと並んで、独自バージョンの機械学習システムも運用しているという。 Chantry は、これは「GenCast からインスピレーションを得ている」と述べています。

GenCast にとってスピードは利点です。単一の Google Cloud TPU v5 を使用して、わずか 8 分で 15 日間の予測を 1 つ作成できます。 ENS などの物理ベースのモデルでは、同じことを行うのに数時間かかる場合があります。 GenCast は、ENS が解決しなければならないすべての方程式をバイパスするため、予測を生成するために必要な時間と計算能力が少なくなります。

「計算上、従来の予測を実行するのは、Gencast のようなモデルに比べて桁違いにコストがかかります」とプライス氏は言います。

この効率性により、エネルギーを大量に消費する AI データセンターが環境に与える影響についての懸念がいくらか緩和されるかもしれない。AI データセンターは、近年 Google の温室効果ガス排出量の増加にすでに寄与している。しかし、機械学習モデルのトレーニングにどれだけのエネルギーが使用されるのかが分からなければ、持続可能性に関して GenCast が物理ベースのモデルとどのように比較できるかを判断するのは困難です。

GenCast には、より高い解像度へのスケールアップの可能性など、まだ改善の余地があります。さらに、GenCast は、一般に短い間隔で予測を行う従来のモデルと比較して、12 時間間隔で予測を出します。それは、これらの予測を現実の世界でどのように使用できるか (たとえば、利用可能な風力発電の量を評価する場合など) に違いをもたらす可能性があります。

「午前 6 時と午後 6 時だけでなく、1 日を通して風がどうなるかを知りたいと思うでしょう」と、GenCast の研究には関与していないフロリダ大学の気象学の助教であるスティーブン・マレンズ氏は言います。

AI を使用して予測を改善する方法への関心が高まっていますが、AI の有効性を証明する必要があります。 「人々はそれを見ています。気象学コミュニティ全体がそれを売り買いしているとは思いません」とマレンズ氏は言う。 「私たちは物理学の観点から考える訓練を受けた科学者です…そしてAIは基本的にそうではないので、私たちが頭を抱えている部分がまだあります、これは良いことですか？そしてなぜ？」

予報者は自分で GenCast をチェックできます。 DeepMind は、オープンソース モデルのコードをリリースしました。プライス氏は、GenCast やより改良された AI モデルが従来のモデルと並行して現実世界で使用されていると考えていると述べています。 「これらのモデルが専門家の手に渡れば、信頼と自信がさらに高まります」とプライス氏は言います。 「私たちはこれが広範な社会的影響を与えることを本当に望んでいます。」