Искусственный интеллект меняет прогнозирование погоды — модели вроде GraphCast и Pangu-Weather уже обгоняют традиционные методы в повседневных прогнозах. Но есть проблема: когда случается нечто экстремальное, ИИ пасует.
Ученые сравнили ведущие нейросети с классической физической моделью HRES, проанализировав рекордные волны жары, холода и ветра за 2018 и 2020 годы. В обычные дни ИИ был точнее и быстрее. Однако при наступлении рекордных событий физическая модель уверенно обошла искусственный интеллект по всем показателям. Чем сильнее был рекорд, тем ниже падала точность нейросетей. Например, во время аномальной жары ИИ систематически занижал температуру, подтягивая прогнозы к средним историческим значениям.
Причина в принципиальном различии подходов. Физические модели опираются на неизменные законы природы, поэтому они могут предсказывать беспрецедентные сценарии. ИИ же учится на прошлых данных и теряется, когда сталкивается с тем, чего раньше не видел. Он пытается «усреднить» экстремум, приближая его к знакомым значениям.
Авторы исследования предупреждают: с ростом числа климатических аномалий полагаться только на ИИ в системах раннего оповещения опасно.
«Наши результаты подчеркивают существующие ограничения моделей прогнозирования погоды на основе искусственного интеллекта в экстраполяции за пределы области обучения», — отмечает команда ученых.
Оптимальное решение — гибридный подход, объединяющий скорость нейросетей с надежностью физических законов. Пока же ИИ требует тщательной проверки, прежде чем ему можно будет доверить предсказание самых опасных погодных явлений.
Итоги исследования опубликованы в журнале Science Advances.
Изображение: фрипик
