Földbe döngölték a hagyományos modellt
Nem elhanyagolható tényező, hogy az amerikai Nemzeti Meteorológiai Szolgálat szuperszámítógépekkel dolgozó, fizikai egyenleteken alapuló GFS-modellje rendszeresen a legrosszabb eredményt hozta a szezon során. Amíg a Google DeepMind MI-modellje egy ötnapos előrejelzésnél átlagosan 306 km-t (165 tengeri mérföldet) tévedett, addig a GFS becslései akár 667 km-rel (360 tengeri mérfölddel) is elmentek a valóságtól. Ez olyan különbség, ami miatt sok meteorológus figyelmen kívül hagyta a GFS számait, és inkább az MI-t vette alapul.
Mindenkinél jobban előre látott
A DeepMind előnye nem csupán a GFS felett érvényesült: az amerikai Országos Hurrikánközpont szakértői által készített, emberi tapasztalatokra építő, hivatalos előrejelzést is sorozatban túlszárnyalta. Az MI-modell ráadásul a rendkívül pontosnak tartott, több előrejelzést átlagoló konszenzusmodelleket, például a TVCN-t és a HCCA-t is lekörözte.
Bár a híres, fizikai alapon működő európai ECMWF-modellről most nincs friss összehasonlító adat, ezek rendszerint nem jobbak a konszenzusos vagy a hurrikánközponti becsléseknél – így várhatóan a DeepMind ezeknél is pontosabb eredményt adott.
Az MI gyorsabb, rugalmasabb – és fejlődik
A Google MI-alapú időjárásmodellje nemcsak a viharok útját, hanem azok erősségének változását is kiválóan jelezte előre, méghozzá sokkal gyorsabban, mint a régi típusú, szuperszámítógépeken futó modellek. Ennek köszönhetően az előrejelzések nemcsak pontosabbak, hanem gyorsabban is elkészülnek, hiszen az MI folyamatosan képes tanulni korábbi hibáiból, és menet közben önmagát javítani.
Miért zuhant be az amerikai rendszer?
A GFS-modell látványos visszaesését nehéz megmagyarázni. Bár az utóbbi évtizedben néhány rivális mögött kullogott, mostanra egyre jobban lemaradt. Felmerült, hogy a költségvetési megszorítások miatt visszafogott adatgyűjtés lehet a hibák egyik oka, azonban más, hasonló módszertannal dolgozó modelleket ez nem érintette ennyire érzékenyen.
Az amerikai GFS fejlesztésére költött milliárdok után most egyértelmű: az MI-alapú modelleké a jövő, ráadásul még bőven van bennük fejlődési potenciál. Várható, hogy a jövőben a meteorológusok világszerte egyre inkább a Google-hez és más MI-rendszerekhez fordulnak, ha pontos előrejelzésre van szükség.
