Googlova umetna inteligenca napoveduje vreme

Eden izmed zanimivih problemov za umetno inteligenco je napoved vremena, ki je računsko zahteven postopek, saj opisujemo kaotičen sistem. Konvencionalni modeli za napoved vremena so precej dobri za obdobje od nekaj ur do nekaj dni v prihodnosti, a imajo natančnost omejeno prostorsko in kvalitativno. Google je za del tega problema uporabil nevronske mreže, ki dobro delujejo za zelo kratkoročne napovedi padavin. Za napovedi do šest ur so v številnih primerih celo natančnejše od konvencionalnih modelov, predvsem pa imajo več podrobnosti.

Googlov sistem razseka okolico na kilometrsko mrežo, medtem ko je ima konvencionalni ameriški model pet kilometrov velike kvadrante. To daje več fine resolucije, kar je zelo uporabno za kratkotrajne napovedi. Druga pomembna odlika je hitrost, saj Googlov sistem napoved ustvari v 10 minutah in ne v 1-3 urah kakor klasika (HRRR). To ima očitne prednosti, če želimo napovedati, kakšno bo vreme čez pol ure. To je možno, ker je kratkotrajna napoved padavin v glavnem odvisna od konvekcije in advekcije, precej manj pa od ostalih dejavnikov. To je tudi razlog, da za napovedi več kot šest ur v prihodnosti klasični modeli še vedno delujejo bolj od Googlovega.

Zanimivo je, da Googlov model ne ve nič o fiziki. Nevronske mreže se pač učijo razpoznavanja vzorcev, ne zanima pa jih, od kod ti vzorci prihajajo. To pomeni, da model ne simulira okoljskih spremenljivk. Vseeno mu je, kolikšni so temperatura, zračni tlak, zračna vlaga, vetrovi itd. Za model so padavine dvodimenzionalni posnetek, fotografija, ki mu sledijo nadaljnji posnetki. Iz minulih opazovanje se je naučil, da lahko sedaj napoveduje bližnjo prihodnost, za kar uporablja konvolucijske nevronske mreže (CNN). In rezultati so odlični, čeprav ne vemo, zakaj.