Искусственный интеллект уже понимает, где ждать выпадения осадков, и находит ошибки, чтобы прогнозы погоды получались точнее.
Руководитель сервиса Яндекс Погода Александр Ганьшин рассказал, как нейросети это делают, при чем тут технология «Метеум» и как в будущем изменятся метеорологические наблюдения.
Как собирают прогноз погоды
Данные об изменениях в атмосфере, поступающие из разных источников, обрабатываются с помощью суперкомпьютеров метеорологических служб и агентств. Но даже такой массив информации не дает гарантий, что прогноз получится максимально точным. Метеостанции расположены крайне неравномерно на поверхности Земли, возможность установить метеорологический радар есть далеко не везде, да и спутники тоже не всесильны.
Нельзя исключать и человеческий фактор: люди могут допускать ошибки, снимая показания, или делать на основе полученных метеоданных не совсем корректные выводы. Поэтому синоптики и возлагают надежды на искусственный интеллект, который способен улучшить качество прогнозов.
Чем помогают нейросети
Для расчета прогноза погоды обычно используются модели, описывающие процессы в атмосфере. Некоторые технологические компании и даже стартапы в разных странах сейчас разрабатывают модели на базе машинного обучения. В российском сервисе Яндекс Погода за моделирование прогнозов отвечает собственная технология «Метеум». Погоду она предсказывает на основе пяти глобальных моделей, а также есть еще своя региональная модель на базе WRF. Каждая хороша в своем регионе.
В довесок используются данные с метеостанций, зондов, радаров, спутников, морских судов и датчиков самолетов. Не остаются в стороне также географические факторы, которые прямо или косвенно сказываются на характере погоды в конкретной точке. Например, имеет значение, как высоко возвышается над уровнем моря тот или иной населенный пункт, как близко к нему расположен крупный водоем, степи здесь или леса.
Учитываются и сигналы от местных жителей, которые могут уточнить, идет ли дождь в конкретном районе или его нет вовсе, что позволяет улучшить определение и прогноз дождя на карте осадков там, где могут ошибаться профессиональные приборы.
Эти данные крайне важны для точности прогноза. Спутниковые снимки показывают скорее места, покрытые облаками, а не сам факт дождя. Радары же имеются не везде, тем более технике иногда свойственно выходить из строя. В этом случае используются только данные, которыми поделились сами пользователи.
«Метеум» анализирует всю информацию, подбирая оптимальную комбинацию, чтобы как можно точнее показать реальную картину. Система учится определять и исправлять ошибки, чтобы потом их не повторять. В итоге точность такого прогноза погоды в среднем выше, чем того, что основан на одном источнике.
Какими бывают прогнозы
На спутниковых снимках нейросети уже видят зоны, где скапливаются облака, и учатся таким образом определять места, где идет дождь. Так создается сверхкраткосрочный прогноз или наукастинг — на ближайшие два часа с шагом в десять минут. Это позволяет пользователям решить: что надеть перед выходом на улицу и нужен ли зонт.
Система способна давать не только детальные прогнозы, но их интерпретацию — это особенно интересно бизнесу, занятому в сельском хозяйстве, ритейле, логистике, энергетике и страховании. Сервис дает данные о погоде в любой точке страны и моделирует более сотни сценариев их использования, в том числе с опорой на исторические данные.
Также появилась возможность составлять сезонные прогнозы с наибольшей точностью, собирая данные на разные периоды. Механизм позволяет подобрать оптимальное время для посева, удобрения, орошения и уборки урожая. Или подготовиться к экстремальным условиям: засухе, наводнению или морозу.
Подобные опции в прогнозировании важны и для ритейла. Так, продажа прохладительных напитков растет при повышении температуры. Получив точные корреляции, бизнес может прогнозировать товарные запасы и выручку в ближайшие месяцы в зависимости от долгосрочного прогноза.
Что ждать в будущем
Нейросети можно обучить чему угодно, и это их явное преимущество. Например, не так давно искусственный интеллект сумел за девять дней предсказать приход к побережью Канады урагана «Ли». На это же место указал и традиционный метод прогнозирования, но за шесть дней.
Еще зарубежные разработчики научили нейросети прогнозировать наводнения за неделю до того, как они произойдут. Не исключено, что в перспективе нейросети будут прогнозировать и смерчи даже в тех регионах, где их никогда не было.
По словам ученых, нейросети учатся на огромном массиве исторических данных. Но еще сто лет назад экстремальных явлений на планете фиксировалось куда меньше, чем сейчас. В этой связи искусственный интеллект может упустить важные детали, особенно с учетом меняющегося климата.
Тем не менее сила нейросетей в комплексном прогнозировании — вместо 50 прогнозов они способны анализировать тысячу и больше, поскольку обладают хорошей обобщающей способностью и помогают находить скрытые закономерности.
