Les prévisions météorologiques actuelles sont basées sur des modèles complexes qui intègrent les lois qui régissent la dynamique de l'atmosphère et des océans, et ces modèles fonctionnent sur certains des superordinateurs les plus puissants qui existent. Cependant, Alphabet (la société mère de Google) a réussi à prédire les conditions météorologiques mondiales pour les 10 prochains jours en seulement une minute à l'aide d'une seule machine de la taille d'un ordinateur personnel, grâce à l'intelligence artificielle développée par DeepMind. La L'IA de Google prédit la météo et cela ne fait que commencer.
Dans cet article, nous allons vous expliquer comment l'IA de Google prédit la météo et comment cette technologie a évolué.
L'IA de Google prédit la météo
Étonnamment, ce système d’IA surpasse la plupart des systèmes de prévision météorologique modernes dans presque tous les aspects. Il est intéressant de noter que cette fois-ci, l’intelligence artificielle vient compléter l’intelligence humaine plutôt que de la remplacer.
Le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) dispose d'un système incroyablement avancé qui a subi une mise à niveau majeure l'année dernière, améliorant ainsi ses capacités de prévision. Hébergé dans ses installations de Bologne, en Italie, Il existe un supercalculateur équipé d'environ un million de processeurs (contrairement aux deux ou quatre que l'on trouve dans un ordinateur personnel) et une puissance de calcul extraordinaire de 30 pétaflops, l'équivalent de 30.000 XNUMX billions de calculs par seconde.
Cette immense capacité de calcul est nécessaire à l'un de ses outils, la prévision à haute résolution (HRES), qui prédit avec précision les conditions météorologiques mondiales à moyen terme, ce qui Ils s'étendent généralement sur 10 jours, avec une résolution spatiale impressionnante de neuf kilomètres. Ces prévisions servent de base aux prévisions météorologiques fournies par les météorologues du monde entier. Récemment, GraphCast, une intelligence artificielle développée par Google DeepMind, a été utilisée pour mesurer les capacités de ce formidable système en matière de prévision météorologique.
Résultats de l'étude sur l'IA
Les résultats de la comparaison, publiés mardi dans la revue Science, révèlent que GraphCast surpasse HRES dans la prévision de nombreux facteurs météorologiques. Selon l'étude, La machine de Google surpasse celle du CEPMMT dans 90,3 % des 1.380 XNUMX mesures examinées.
En se concentrant uniquement sur la troposphère, la couche atmosphérique où se produisent la plupart des événements météorologiques, et en excluant les données de la stratosphère, qui se trouve à environ 6 à 8 kilomètres au-dessus de la surface de la Terre, l'intelligence artificielle (IA) surpasse les superordinateurs supervisés par l'homme dans 99,7 % des cas. cas. les variables analysées. Étonnamment, cet exploit a été réalisé à l’aide d’une machine qui ressemble beaucoup à un ordinateur personnel, connue sous le nom d’unité de traitement tensoriel ou TPU.
Selon Álvaro Sánchez González, chercheur chez Google DeepMind, les TPU sont du matériel spécialisé qui offre une formation et une exécution plus efficaces des logiciels d'intelligence artificielle par rapport à un PC normal, tout en conservant une taille similaire. Tout comme la carte graphique d'un ordinateur se concentre sur le rendu des images, les TPU sont conçus pour exceller dans les produits matriciels. Pour la formation GraphCast, nous avons utilisé 32 TPU sur plusieurs semaines. Cependant, une fois la formation terminée, un seul TPU peut générer des prédictions en moins d'une minute, comme l'explique Sánchez González, l'un des créateurs de l'appareil.
GraphCast et systèmes de prédiction
Une distinction notable entre GraphCast et les systèmes de prédiction existants est sa capacité à incorporer des données historiques. Les créateurs ont formé le système à l'aide de données météorologiques provenant des archives du CEPMMT remontant à 1979. Ce vaste ensemble de données couvre les précipitations à Santiago et les cyclones qui ont frappé Acapulco pendant 40 ans. Après une formation considérable, GraphCast possède la capacité remarquable de générer des prévisions météorologiques précises.
Il suffit de connaître les conditions météorologiques six heures avant et immédiatement avant vos prévisions pour prédire avec précision la météo dans six heures. Les prédictions sont interdépendantes et chaque nouvelle prévision informe la précédente. Ferran Alet, co-créateur de cette impressionnante machine DeepMind, explique son fonctionnement interne : « Notre réseau de neurones anticipe les conditions météorologiques six heures à l'avance. Pour prévoir la météo sur 24 heures, nous évaluons simplement le modèle quatre fois. Alternativement, nous aurions pu former des modèles distincts pour les différentes périodes, par exemple un pendant six heures et un pendant 24 heures. Cependant, "Nous comprenons que les principes sous-jacents qui régissent la météo restent cohérents sur une période de six heures.".
"Par conséquent, si nous pouvons découvrir le modèle approprié sur 6 heures et utiliser ses propres prévisions comme entrée, nous pouvons prévoir avec précision la météo pour les 12 prochaines heures et répéter ce processus toutes les six heures." Selon Alet, cette approche fournit une quantité substantielle de données pour un seul modèle, ce qui permet une formation plus efficace.
Jusqu’à présent, les prévisions météorologiques reposaient sur des prévisions météorologiques numériques, qui utilisaient des équations scientifiques développées au cours de l’histoire pour tenir compte des diverses complexités de la dynamique atmosphérique. Les découvertes des chercheurs établissent un ensemble d'algorithmes mathématiques que les superordinateurs doit s'exécuter pour générer des prédictions pour les prochaines heures, jours ou semaines (même si la fiabilité diminue sensiblement au-delà de 15 jours). Cependant, la réalisation de cette tâche nécessite un supercalculateur très avancé, ce qui implique des coûts importants et des efforts d'ingénierie considérables.
Le modèle Google AI prédit la météo
Ce qui est particulièrement remarquable, c'est que ces systèmes ils n'utilisent pas les conditions météorologiques de la veille ni même de l'année précédente, bien qu'elle se soit produite au même endroit et au même moment.
Au contraire, elle aborde la tâche sous un angle différent, presque opposé. Grâce à ses capacités avancées d'apprentissage en profondeur, il utilise de vastes archives de données météorologiques passées pour acquérir une compréhension globale de la dynamique complexe de cause à effet qui dicte la progression du climat terrestre.
Selon José Luis Casado, porte-parole de l'Agence météorologique espagnole (AEMET), les données historiques ne sont pas prises en compte dans le modèle atmosphérique. Casado précise que ce modèle est basé sur les observations existantes et les prédictions les plus récentes faites par le modèle lui-même. En comprenant précisément l’état actuel de l’atmosphère, il est possible de prévoir sa progression future. Contrairement aux techniques d’apprentissage automatique, cette approche n’utilise pas de données historiques ni de prédictions.
