.jpg){kind=link}
Czym jest
GraphCast (Google DeepMind, Nature, 2023) to model uczenia maszynowego, który przewiduje pogodę globalną na około dziesięć dni naprzód z grafu atmosfery, trenowany na reanalizie ECMWF. FourCastNet (NVIDIA) i Pangu-Weather (Huawei) to kuzyni. Służby meteorologiczne uruchamiają dziś takie modele obok kodów fizyki, nie zamiast nich.
Jaki problem adresuje
Pogoda i ryzyko sezonowe napędzają farmy, sieci i reagowanie na katastrofy. Szybsze, tańsze prognozy pomagają — zwłaszcza tam, gdzie brakuje superkomputerów. Zmiana klimatu wciąż potrzebuje modeli fizyki wolnego oceanu i lodu; dziesięciodniowa prognoza ML nie jest projekcją na rok 2100.
Jak działa
Model uczy się odwzorowań ze stanów przeszłych na przyszłe. Nie „rozumie” dynamiki płynów; ją przybliża. Umiejętność mierzy się wobec analizy ECMWF, nie wobec dema prasowego. Gdy świat treningu się przesunie, model może zawodzić na nowe sposoby.
Status i gracze
Google DeepMind; ECMWF (dane i porównanie); NVIDIA FourCastNet; Huawei Pangu-Weather; narodowe służby pogody testujące jądra ML.
Ryzyka i granice
Nadmierne zaufanie, słabe ekstrema i pomijanie systemu obserwacji (satelity, radiosondy), który czyni jakikolwiek model uczciwym. Pogoda SI to infrastruktura, nie chatbot.
Źródła
Lam et al., Nature, 14 November 2023 (GraphCast); Pathak et al., FourCastNet (2022); Bi et al., Pangu-Weather (2023); ECMWF ML partnership notes.