Google a créé un prévisionniste météorologique IA qui pourrait donner aux météorologues davantage d'outils avec lesquels travailler. Le nouveau modèle, GraphCast, a été construit par Google DeepMind. Selon de nouvelles études sur le modèle, celui-ci montre déjà des possibilités essentielles. Les créateurs à l’origine du modèle affirment qu’il est meilleur, plus rapide et plus économe en énergie que les outils qui alimentent les applications météo actuelles.
Annonces
La plupart des applications actuelles s'appuient sur un modèle de prévision appelé « prévision météorologique numérique » ou PNT. Le NWP fonctionne essentiellement en corrigeant les conditions météorologiques actuelles, puis en simulant les changements basés sur les principes de la thermodynamique, de la dynamique des fluides et d'autres types de sciences atmosphériques.
Bien qu’il se soit avéré au moins quelque peu précis, ce modèle particulier est coûteux et nécessite une puissance de calcul très complexe. Mais avec le système GraphCast de Google, le modèle décompose les données traditionnelles en examinant les données historiques, puis en utilisant l'apprentissage automatique pour faire des prédictions basées sur ce qui s'est passé dans le passé.
Annonces
De nombreux travaux informatiques et scientifiques sophistiqués sont encore nécessaires, mais dans l’ensemble, le processus est beaucoup plus simple et nécessite moins de calculs. Comme l'explique l'étude, GraphCast analyse d'abord l'état actuel du climat terrestre, puis le compare au climat d'il y a six heures. Il fonde ensuite ses prévisions sur l’évolution du climat à l’avenir.
Au total, il peut continuer à créer des prédictions au fil des jours. Comparé au modèle principal actuel utilisé pour les prévisions météorologiques à moyen terme, un modèle connu sous le nom de HRES, Google GraphCast a pu surpasser « considérablement » HRES sur 90% des cibles sur lesquelles il a été testé.
En outre, GraphCast a également montré une immense aptitude à prédire les événements météorologiques extrêmes, notamment les changements de température inattendus et les cyclones tropicaux. Mais Google affirme ne pas vouloir que GraphCast remplace les systèmes traditionnels ou standards sur lesquels travaillent les météorologues. Au lieu de cela, il vise à travailler avec ces systèmes pour fournir de meilleures prévisions météorologiques dans leur ensemble.
—————-
Google a créé un prévisionniste météorologique IA qui pourrait donner aux météorologues davantage d'outils avec lesquels travailler. Le nouveau modèle, GraphCast, a été construit par Google DeepMind. Selon de nouvelles études sur le modèle, celui-ci montre déjà des possibilités essentielles. Les créateurs à l’origine du modèle affirment qu’il est meilleur, plus rapide et plus économe en énergie que les outils qui alimentent les applications météo actuelles.
La plupart des applications actuelles s'appuient sur un modèle de prévision appelé « prévision météorologique numérique » ou PNT. Le NWP fonctionne essentiellement en corrigeant les conditions météorologiques actuelles, puis en simulant les changements basés sur les principes de la thermodynamique, de la dynamique des fluides et d'autres types de sciences atmosphériques.
Bien qu’il se soit avéré au moins quelque peu précis, ce modèle particulier est coûteux et nécessite une puissance de calcul très complexe. Mais avec le système GraphCast de Google, le modèle décompose les données traditionnelles en examinant les données historiques, puis en utilisant l'apprentissage automatique pour faire des prédictions basées sur ce qui s'est passé dans le passé.
De nombreux travaux informatiques et scientifiques sophistiqués sont encore nécessaires, mais dans l’ensemble, le processus est beaucoup plus simple et nécessite moins de calculs. Comme l'explique l'étude, GraphCast analyse d'abord l'état actuel du climat terrestre, puis le compare au climat d'il y a six heures. Il fonde ensuite ses prévisions sur l’évolution du climat à l’avenir.
Au total, il peut continuer à créer des prédictions au fil des jours. Comparé au modèle principal actuel utilisé pour les prévisions météorologiques à moyen terme, un modèle connu sous le nom de HRES, Google GraphCast a pu surpasser « considérablement » HRES sur 90% des cibles sur lesquelles il a été testé.
En outre, GraphCast a également montré une immense aptitude à prédire les événements météorologiques extrêmes, notamment les changements de température inattendus et les cyclones tropicaux. Mais Google affirme ne pas vouloir que GraphCast remplace les systèmes traditionnels ou standards sur lesquels travaillent les météorologues. Au lieu de cela, il vise à travailler avec ces systèmes pour fournir de meilleures prévisions météorologiques dans leur ensemble.
