科学の超大作:10日間の天気予報を1分で生成し、DeepMind AIが世界最高の予報システムを凌駕

出典:アカデミックヘッドライン

画像ソース: Unbounded AIによって生成

天気予報に関して言えば、人工知能(AI)は従来の方法を破壊し、より正確な予報をより速く、より低コストで達成することを約束します。

Google DeepMindの機械学習ベースの天気予報モデルであるGraphCastは、0.25°のグローバル解像度で、今後10日間の数百の気象変数を1分間で予測し、従来の天気予報方法を大幅に上回っています。 さらに、このモデルは極端な現象の予測にも適しています。

研究論文「Learning skillful medium-range global weather forecasting」が、権威ある科学誌「Science」に掲載されました。 また、オープンソースコードはGithubで公開されています。

この知見は、日常的な天気や、ハリケーン、猛暑、極寒などの極端な現象など、将来の天気予報がより正確になる可能性があることを示唆している。

9月に北大西洋を襲ったハリケーン・リーは、予測が成功した例です。 「GraphCastは、ハリケーン発生の9日前に『リー』がノバスコシア州に上陸すると正確に予測することができました。従来の方法では6日でした」と、論文の共同責任著者であるレミ・ラム氏は述べています。 これにより、到着の準備をするためにさらに3日間の猶予が与えられます。 "

これに対し、欧州中期天気予報センター(ECMWF)の機械学習コーディネーターであるMatthew Chantry氏は、気象学におけるAIシステムの進歩は「2年前に予想していたよりもはるかに速く、印象的である」と述べています。

「GraphCastは、NVIDIAのFourCastNetなど、他の機械学習モデルよりも一貫して優れたパフォーマンスを発揮しており、多くの点で、当社独自の予測システムよりも正確です。 "

今後10日間の天気を1分で予測

気象は、生命、健康、経済など多くの側面を含む、人間に広く広範囲に影響を及ぼします。

天気予報は、科学の中で最も古く、最も困難な仕事の1つです。 中期予測は、再生可能エネルギーからイベントロジスティクスまで、セクター全体の重要な意思決定をサポートする上で重要な役割を果たしますが、正確で効果的であることは困難です。

通常、天気予報は数値天気予報(NWP)に依存しており、数値天気予報は正確に定義された物理方程式から始まり、スーパーコンピューター上で動作するコンピューターアルゴリズムに変換されます。 科学と工学におけるこの伝統的なアプローチの成功にもかかわらず、方程式とアルゴリズムの設計には時間がかかり、正確な予測を行うには深い専門知識と高価な計算リソースが必要です。

論文によると、GraphCastは機械学習とグラフニューラルネットワーク(GNN)に基づく天気予報システムであり、エネルギー消費の点で従来の方法よりも最大1,000倍安価になる可能性があります。 **

GraphCastは、緯度0.25度(赤道付近で28km×28km)の高解像度で、100万以上のグリッドポイントが地球の表面全体をカバーしています。 各グリッド ポイントで、モデルは 37 の高度のそれぞれで 5 つの地表変数 (気温、風速と風向、平均海面気圧を含む) と 6 つの大気変数 (比湿度、風向と風向、気温を含む) を予測します。

GraphCastのトレーニングは計算量が多いですが、生成される予測モデルは非常に効率的です。 Google TPU v4 マシンで GraphCast を使用して 10 日間の予測を行うのに 1 分もかかりません。 対照的に、HRES などの従来の方法を使用した 10 日間の予報では、スーパーコンピューターで何時間も計算が必要になる場合があります。

GraphCastの予測スキルを評価するために、研究者らはGraphCastを利用可能な最も正確な中距離天気予報モデルであるHRESと比較し、検証された1380のターゲットの90%でGraphCastがHRESを大幅に上回っていることを発見しました。 **

**さらに、このモデルは、熱帯低気圧の進路、大気の河川(極地への水蒸気の輸送に関与する大気の狭い領域)、極端な温度異常などの極端な現象の予測に優れています。 **

さらに、GraphCastは、天気予報に加えて、気候と生態学、エネルギー、農業、人間と生物の活動、その他の複雑な力学システムを含む地理空間および時間予測の新しい方向性を切り開くことができます。

これまで、一部の研究者は、過去に基準として使用できるような事象が比較的少なかったこともあり、異常気象を正確に予測するAIの能力について懸念を表明していました。 しかし、GraphCastは、サイクロン予測の軌道誤差を2〜4日のリードタイムで約10〜15マイル削減し、大気中の河川に関連する水蒸気予測を10%〜25%改善し、5〜10日前により正確な超高温および厳しい寒さの予報を提供しました。

「稀な異常は、AIではうまく予測できない可能性があるというのが一般的な認識です。 しかし、この研究はうまくいっているようです」と、Google DeepMindのリサーチディレクターで、この研究の共著者の1人であるPeter Battaglia氏は述べ、「また、このモデルは、データ内のより表面的なパターンを探すだけでなく、時間の経過とともに天気がどのように変化するかについて、より基本的な何かを捉えていることも示しています」と述べています。 "

しかし、だからといって、AIが従来の予測方法をすべて置き換えることができるわけではありません。 GraphCastなどのAIモデルをビジネス予測に確実に使用できるようになるまでには、他にも克服しなければならない課題があります。 **

たとえば、このアプローチの重要な制限は、不確実性の処理方法です。 この研究の焦点は、主に決定論的予測にあります。 GraphCast の平均二乗誤差 (MSE) トレーニング オブジェクティブは、不確実性が存在する場合に予測を空間的にファジングすることを奨励しますが、一部のアプリケーション、特に事象の裾や同時確率を理解するコンテキストでは理想的ではない場合があります。

また、トレーニングデータやエンジニアリングの制約により、グローバルAIモデルでは、従来のモデルほど多くのパラメータや詳細な予測を生成できません。 このため、雷雨や鉄砲水などの小規模な現象の予測や、狭い地域で降水量に大きな差が生じる可能性のある大規模な気象システムの予測には、AIモデルはあまり役に立ちません。

また、気象学者は、AIモデルの内部構造が従来のモデルほど透明ではないため、AIモデルを特に信頼していません。 コロラド州立大学大気研究協力研究所(Cooperative Institute for Atmospheric Research)のデータビジュアライゼーション研究者であるジェイコブ・ラドフォード(Jacob Radford)氏は、「予報士の重要な役割は、情報を解釈してパートナーに伝えることです。AIモデルがなぜ予測を行うのかを判断するツールがないため、この作業はより困難になっています」と電子メールで述べています。 これらのモデルはまだ初期段階にあり、使用を検討する前に、研究者や予測者のコミュニティで信頼を築く必要があります。 "

この研究には限界があるものの、研究者たちは、これが気象予測における重要な転換点となり、人類にまったく新しい道を開くと確信しています。

そして、この手法は、何十年にもわたって開発され、多くの現実世界の設定で厳密にテストされ、人間がまだ探求していない多くの機能を提供する従来の天気予報手法に代わるものと見なされるべきではないと彼らは言います。

「むしろ、私たちの研究は、AIの天気予報が現実世界の予測問題の課題に対処でき、現在のベストプラクティスを補完し、改善する可能性を秘めているという証拠として解釈されるべきです。 "

AI天気予報の進歩

過去2年間で、Google、Microsoft、Nvidiaなどの大手テクノロジー企業は、AI気象モデリングで大きな進歩を遂げており、これらの企業はすべて、AIモデルの性能が少なくともヨーロッパのモデルと同等であるという学術論文を発表しています。 これらの主張は、ECMWFの科学者によって確認されました。

今年7月には、Nature誌に同時に掲載された「AI天気予報」に関する2つの研究論文でも、AIによる2つの天気予報手法が言及されています。

HUAWEI CLOUDが開発したPangu-Weatherモデルは、39年分の全球再解析気象データを学習データとして使用しており、その予測精度は世界最高の数値天気予報システムであるIFSに匹敵し、同じ空間分解能ではIFSの1万倍以上高速である。

また、機械学習の専門家であるカリフォルニア大学バークレー校のMichael Jordan氏と清華大学のWang Jianmin教授が率いる共同研究チームによる共同研究チームは、物理法則と深層学習を組み合わせて、リアルタイムで降水量を予測することができます。

先月、英国気象庁は、人工知能の研究センターであるアラン・チューリング研究所と提携し、天気予報グラフ用の独自のニューラルネットワークを開発し、既存のスーパーコンピューターインフラストラクチャに統合すると発表しました。

英国気象庁の科学ディレクターであるサイモン・ヴォスパー氏は、気候変動を予測に織り込む必要性について語っています。 「AIベースのシステムが過去の気象条件で『トレーニング』されるだけだとしたら、これらのシステムが新たな異常気象を捉えることができるかどうかは疑問に思わざるを得ません。 "

「私たちの目標は、大気物理学に基づく従来のコンピューターモデルを活用しながら、AIが提供する最高のものを活用することです」とVosper氏は付け加えました。 このテクノロジーの融合は、この大きな変化の時代において、最も強力で詳細な天気予報を提供すると信じています。 "

天気予報におけるAIの活用が人々の生活に役立つことは予想されますが、AIはそれだけにとどまりません。 **

Google DeepMindがブログで述べているように、「私たちの研究は、単に天気を予測するだけでなく、より広範な気候パターンを理解することです。 新しいツールを開発し、研究を加速させることで、AIが国際社会が私たちが直面している最大の環境問題に取り組むのに役立つことを願っています。 "

参考リンク: