Pro předpovědi počasí bude v budoucnosti neprospěšnější vzájemná spolupráce meteorologů a umělé inteligence (AI), jedno z toho by nemělo nenahradit to druhé, řekl ČTK ředitel předpovědní služby Českého hydrometeorologického ústavu (ČHMÚ) Radek Tomšů. Meteorologové podle něj nyní využívají strojové učení, tedy modely umělé inteligence, například k předpovídání mlh. Společnost Google DeepMind nedávno vyvinula model GraphCast, který slibuje přesné předpovědi až na deset dní dopředu. Podle Tomšů je ale potřeba delšího testování, než by se tento model mohl začít používat i v meteorologickém ústavu.
GraphCast, využívající grafové neuronové sítě (GNN), představuje pokročilý model pro předpovídání počasí s možností poskytovat globální předpovědi. Měl by překonávat současné metody numerické předpovědi. „Strojové učení a hluboké neuronové sítě identifikují vzorce v datech, které tradiční modely často nezachytí,“ řekl Tomšů. Vývoj však podle něj musí projít dlouhodobými srovnávacími testy.
„Prvotní výsledky jsou slibné, ale stále potřebujeme ověřit, jak spolehlivý je tento model a kde mohou být jeho slabiny,“ uvedl. Nový model se v současné době testuje v Evropském centru pro střednědobé předpovědi počasí (ECMWF).
GraphCast slibuje významné zlepšení v přesnosti předpovědí, které jsou nyní v horizontu šesti až sedmi dnů. „S numerickými modely se dostáváme na sedm dní, ale s GraphCastem se můžeme dostat až na devět,“ řekl Tomšů. Zatím se však jedná pouze o předpovědi některých meteorologických prvků, což podle něj není dostačující. „Potřebujeme širší pokrytí a více srovnání skrze testování, abychom věděli, zda je tento vývoj technologie je relevantní pro nás, nebo se vydáváme slepou cestou,“ řekl.
Experti z ČHMÚ se podle Tomšů tento týden dohodli, že naplánují další rozšíření a zapojení technologií umělé inteligence v ústavu. „Do budoucna se budeme umělé inteligenci věnovat ještě více i v naší vědecké práci,“ řekl.
GraphCast dokáže vytvořit desetidenní předpověď za jednu minutu, zatímco tradiční numerické modely potřebují na výpočet několik hodin. Kromě povrchových proměnných, jako jsou teplota nebo rychlost větru, zpracovává také atmosférické proměnné na 37 výškových úrovních. Vývojáři modelu se snaží pokrýt co nejvíce meteorologických prvků, nicméně výzkum je stále v rané fázi.