Последние достижения в области искусственного интеллекта (ИИ) революционизируют прогнозирование погоды: модели ИИ демонстрируют значительный потенциал, который превосходит традиционные модели, основанные на физике. Используя обширные массивы данных и инновационные методы сбора информации, ИИ-модели предлагают более быстрые, эффективные и зачастую более точные прогнозы.

Например, Aurora, разработанная Microsoft, использует гибкую архитектуру кодирования-декодирования для обработки сложных атмосферных данных, превосходя по точности и эффективности традиционные цифровые модели прогнозирования погоды. Аналогичным образом, компания Windborne Systems использует метеорологические шар-зонды большой продолжительности полета для сбора атмосферных данных из малонаблюдаемых районов, что значительно повышает точность моделей погоды, основанных на ИИ.

Европейский центр среднесрочных прогнозов погоды (ECMWF) использовал для обучения ИИ-моделей набор данных ERA5, который включает в себя богатые атмосферные, наземные и океанические погодные данные. Эти модели продемонстрировали быстрый прогресс и в некоторых случаях позволили получить более точные прогнозы по сравнению с традиционными моделями, требующими мощных суперкомпьютеров. 

Исследование, в котором ИИ-модели (FourCastNet, Pangu-Weather, GraphCast и FourCastNet-v2) сравнивались с традиционными моделями численного прогнозирования погоды (NWP) во время шторма Киаран, показало, что ИИ-модели точно отражают крупномасштабную структуру шторма, но испытывают трудности с более тонкими деталями, такими как пиковые амплитуды ветра и специфические фронтальные градиенты. Несмотря на эти ограничения, ИИ-модели смогли быстро и с меньшими вычислительными затратами подготовить квалифицированные прогнозы, что делает их ценным инструментом для оперативного прогнозирования.

Эти разработки способны изменить такие отрасли, как сельское хозяйство, транспорт и обеспечение готовности к стихийным бедствиям за счет предоставления более точной и своевременной информации о погоде.