ИИ и изменение климата. Метеорология будущего говорит с экспертом Христо Чивильски
Христо Чипильски — метеоролог, профессор кафедры научных расчетов Университета Флориды (США). Он получил степень магистра в области своей специальности в чтении, Англия, а затем доктор философии в Университете Оклахомы, США. Он провел почти два года в Национальном центре атмосферных исследований в качестве студента постдокторского. Он активно участвует в исследованиях, поскольку часть своих последних научных разработок основана на одной из современных частей искусственного интеллекта, называемого генеративным моделированием.
Тем не менее, основное внимание его работы уделяется сформулировать новые методы ассимиляции данных — процесс, который играет ключевую роль в определении начальных условий в численных моделях для прогнозирования погоды. Вместе со своими академическими партнерами и студентами он разработал несколько инновационных методов, которые успешно конкурируют с установленными методами ассимиляции в метеорологии. Значительная часть его исследования посвящена практическому применению методов ассимиляции в реалистичных атмосферных моделях.
В прошлом году мы все чувствовали, насколько ощутимыми преимущества работы с искусственным интеллектом. Как возможности ИИ применяются в вашей сфере — прогнозирование погоды?
Несомненно, развитие искусственного интеллекта вызвало серьезные изменения во многих областях нашей жизни. Хотя эти технологии существовали в течение многих лет, великая эйфория поставляется со свободным доступом к языковым моделям, таким как Openai Catgpt, которая сегодня является неотъемлемой частью работы многих специалистов. Болгария также занимает важную позицию в быстрого развития этих технологий искусственного интеллекта. Такие проекты, как BGGPT Института Инсайта, являются примером огромного потенциала этой области.
Я также активно использую эти новые технологии в своей работе в качестве преподавателя университета. Большая часть курсов, я нахожусь в Департаменте научных расчетов (Отдел научных вычислений) в Университет государственного университета штата Флорида (Университет штата Флорида), требуется широкое применение языков программирования.
Несмотря на огромный скептицизм, за последние несколько лет мы стали свидетелями своего рода революции в применении искусственного интеллекта в задачах прогнозирования времени и климата. Основным двигателем этих изменений являются улучшенные алгоритмы, которые обучаются через огромную базу данных состояния атмосферы в течение достаточно длительного периода времени. В большинстве случаев эти данные поступают из так называемого повторного анализа ERA5, подготовленного Европейским центром среднесрочных оценок (ECMWF) Графика с рис. 1 показывает, что где -то в конце 2022 года и начале 2023 года появился новый класс архитектур искусственного интеллекта, который превосходит точность ведущей глобальной модели ECMWF для определенных метеорологических параметров. Обратите внимание, что всего четыре года назад их точность составляла только 25% от операционных моделей на основе физических принципов. Это очень ускоренный процесс по сравнению с медленным улучшением стандартных численных методов, где для улучшения прогнозов требуется приблизительно 10 лет.
ИНЖИР. 1: Хронологическое развитие моделей ИИ для прогнозирования времени. Орды показывают относительную ошибку моделей искусственного интеллекта относительно трехдневного прогноза абсолютной топографии 500 MPS из детерминированной модели ECMWF. Значение 100% означает, что прогностическая ошибка модели ИИ сопоставима с ошибкой используемой модели ECMWF. Графика была подготовлена Стефаном Распом, который является научным исследователем в Google (Google).
Насколько широкая эта практика и сколько, по вашему мнению, шансы на ошибки уменьшаются?
Алгоритмы искусственного интеллекта широко используются в области атмосферного моделирования. Однако их интеграция широко варьируется. В некоторых случаях эти методы используются в качестве замены отдельных компонентов в прогностической системе. Одним из распространенных применений в этом направлении является моделирование процессов слишком мелкого масштаба, которые будут точно смоделировать с традиционными численными методами. Примером являются грозы, маленький размер и нелинейная динамика создают трудности для физических моделей.
Есть также гораздо более радикальные методы, в которых прогноз всех процессов основан на данных ERA5. На самом деле, большинство моделей из графики фиг. 1 принадлежит к этой категории. Ясно, что Отсутствие физики не является препятствием для успеха этих моделей. Логическая гипотеза заключается в том, что интеграция физических законов приведет к еще более осязаемому снижению прогностических ошибок.
Бурное развитие двух категорий моделей в ведущих центрах, таких как ECMWF, является явным признаком того, что в будущем новые технологии ИИ будут реализованы все больше и больше в операционной метеорологии.
Может ли AI более точно предсказать экстремальные метеорологические события, такие как Los Angeles Firoms или наводнения в этом году в Испании с 2024 года?
Фото: Getty Images
Одним из основных недостатков многих моделей ИИ является их относительно низкое разрешение, которое также является основным препятствием для прогнозирования крайних явлений. Например, масштаб грозы находятся в порядке нескольких километров, а горизонтальное разрешение многих моделей ИИ из графики фиг. 1 часто более 25 км. Кроме того, это первое поколение моделей искусственного интеллекта в основном предназначено для глобальных прогнозов погоды, и их временный шаг измеряется в часы, а не в протоколах, необходимых для отслеживания изменений в развитии гроз.
Тем не менее, важно отметить, что существуют также региональные модели ИИ, которые специализируются на прогнозировании таких экстремальных явлений. Они довольно успешно представлены на фоне существующих традиционных методов, но проблема возникает из -за отсутствия достаточных учебных данных. Например, Nowcastnet использует региональные радиолокационные данные из США и Китая для прогнозирования крайних штормов, но, к сожалению, не в каждой стране есть длинные архивы качественных радиолокационных наблюдений. Таким образом, применение таких региональных моделей ИИ ограничено географическими областями, где они были обучены.
Январь Справедливости был самым теплым, когда-либо измеренным, и 2024 год был самым горячим в истории-первым, кто пересек 1,5-градусный диапазон Цельсия выше доиндустриального уровня. Что это за объяснение?
Это является прямым следствием глобального потепления, которое выражается в повышении тенденции среднегодовых температур. Это явно очевидно из графики на фиг. 2, данные которых поступают из того же повторного анализа ERA5, который используется для обучения моделей ИИ для прогнозирования времени. Появляется то, что аномальная теплая погода реализуется в условиях Ла -Нины (Противоположная атмосферная и океанская модель феномена Эль -Нинью — ряд.) Когда холодные воды в Тихом океане временно замедляют температуру.
ИНЖИР. 2: Средние аномалии при температуре земли в январе по сравнению с дошкольными уровнями.
Конечно, важно подчеркнуть, что глобальное потепление не означает, что в мире нет мест, где температура ниже обычного. Напротив, исследования моих коллег неоднократно показали, что проявление экстремальных явлений является одним из значительных признаков глобального потепления. Примером этого был снегопад, который недавно упал во Флориде, и несколько других южных штатов, граничащих с Мексиканским заливом. Многие люди вводят в заблуждение этими явлениями с противоположным знаком, отрицая глобальное потепление и политизировать свои процессы, которые в противном случае твердо поддерживаются научными данными.
К каким стихийным бедствиям могут привести эти растущие температуры?
Повышение температуры не единственная причина экстремальных явлений. Система кондиционирования воздуха представляет собой сложный трикотаж взаимосвязанных процессов. В случае пожаров в Лос -Анджелесе динамика цикла воды в регионе играет важную роль. Продолжительное количество осадков перед катастрофой создало условия для пышной растительности, которая стала воспламеняющимся материалом в текущий сухой и жаркий период. Тем не менее, ключевым пожарным катализатором был конкретная синоптическая ситуация, которая привела к образованию бурных ветров Санта -Ана. Они имеют сходные характеристики с условиями FION в области Софии и создают чрезвычайно благоприятные условия для распространения огня. В таких обстоятельствах даже самые маленькие пожары могут расти на скорости молнии и вызывать катастрофические последствия — особенно вблизи большого мегаполиса, такого как Лос -Анджелес.
Согласно данным NIMH, 2024 год является самым теплым в Болгарии (по меньшей мере) 1930, со средней температурой около 2,1 ° C выше климатических стандартов. Он все чаще комментирует, как больше нет 4 сезонов, какие ваши наблюдения?
Фото: Южный парк в Софии, Bgnes
Эти наблюдения полностью оснащены общей картиной глобального потепления — Болгария не может оставаться изолированной от этих процессов. Конечно, региональное изменение климата имеет свою специфику. Важно иметь в виду, что каждый сезон по -разному реагирует на изменение климата, что, вероятно, способствует субъективному чувству отсутствия выраженного сезона. Однако для того, чтобы провести надежные оценки различных климатических гипотез, эти субъективные восприятия должны быть подтверждены объективными данными, такими как повторные анализы ERA5.
Есть ли способ превратить тенденцию быть горячей с каждым годом, чем предыдущий, и каковы переезды к человечеству с этого момента?
Изменение климата находится на продвинутой стадии, но в долгосрочной перспективе все еще возможно смягчить их негативные последствия. Это именно цель климатических соглашений, таких как COP, которые ежегодно готовит отчеты для улучшения мер по борьбе с климатическими проблемами. Эти меры охватывают различные аспекты, в том числе переход к возобновляемым источникам энергии, опасание, развитие круговой экономики, а также индивидуальные изменения в образе жизни — например, использование городского транспорта и отдельный сбор отходов.
Чтобы быть эффективным, эти усилия должны применяться систематически. Важно понимать, что даже если в следующем году он окажется немного холоднее, чем текущий, это не означает замедление глобального потепления, а просто временное отклонение от долгосрочной тенденции повышения температуры.
Может ли искусственный интеллект помогать с более точными прогнозами и тенденциями для глобального потепления?
Использование искусственного интеллекта для прогнозирования климата все еще находится на начальных этапах его развития. Это гораздо более сложная задача, потому что климатические модели должны быть в состоянии постоянно интегрироваться в течение более длительного периода времени. Большинство стандартных архитектур не допускают этого. Однако в конце декабря 2023 года появилась одна из первых более успешных моделей ИИ (ACE: AI2 Climate Emulator) Специализируется на климатических прогнозах. Он обладает способностью делать стабильные прогнозы на 100 лет вперед, что дает ему решающую лидерство по сравнению с предыдущими моделями ИИ для погоды. В сочетании со своей способностью рассматривать в 100 раз быстрее, чем традиционные климатические модели, ACE и аналогичные модели могут стать важным инструментом в инструментах ученых и политиков, имеющих дело с изменением климата. Кроме того, минимальные аппаратные требования этих моделей скрывают потенциал, чтобы сделать их гораздо более доступными для использования небольшими компаниями или университетскими группами с ограниченными ресурсами.
Работа метеорологов пройдет процесс динамического преобразования и переподготовки. Акцент в будущем будет сделан не столько ручную обработку данных и прогнозы, но и на умелое применение инновационных алгоритмов для автоматизации этого процесса. Наиболее успешными метеорологическими центрами будут те, кому удастся быстро внедрить технологии в своей оперативной работе. Это относится ко всей метеорологической единице.
Больше из секции «Создатели будущего»: Станции в садах вместо дороги: прячется, насколько грязный воздух в Софии?
