Система ШІ вдвічі підвищує точність прогнозів погоди на термін до шести тижнів наперед, свідчить дослідження в Nature

Дослідники з Массачусетського технологічного інституту (MIT), Гарвардського університету, Університету Торонто, Microsoft, Національного інституту чистої та прикладної математики Бразилії (IMPA) та Європейського центру середньострокових прогнозів погоди (ECMWF) опублікували в журналі Nature дослідження, яке показує, що шар постобробки на основі машинного навчання здатен вдвічі підвищити точність прогнозів погоди у «субсезонному» діапазоні 2–6 тижнів — періоді, який історично вважався занадто віддаленим для надійних щоденних прогнозів. Система працює як «обгортка» (wrapper), яка вчиться виявляти та виправляти систематичні помилки в існуючих моделях, таких як система прогнозування ECMWF на основі ШІ. Застосована до цієї системи, вона підвищила точність для 91% показників тиску, 92% показників температури та 98% показників осадків. Принципово важливо, що вперше у цьому діапазоні вона перевершила кліматологічні середні показники, зокрема для екстремальних погодних явищ — межа, якої традиційні методи корекції зсуву ніколи не досягали. Модель не потребує суперкомп'ютера і може бути застосована до будь-якої прогностичної системи. За словами дослідників, це вдосконалення має важливе практичне застосування: точніші попередження на термін від двох до шести тижнів можуть допомогти операторам енергомереж, фермерам і фахівцям з надзвичайних ситуацій підготуватися до суворої погоди. Як приклад команда навела зимові шторми в Техасі 2021 року, через які загинули щонайменше 246 людей, зазначивши, що своєчасне попередження могло б допомогти пом'якшити їхні наслідки. За допомогою цієї технології команда здобула перше місце в міжнародному конкурсі прогнозування ECMWF.