Uoči zimske oluje koja trenutno pogađa veći deo SAD, vremenske prognoze za neke regione bile su svuda po mapi, a predviđanja snežnih padavina su se značajno razlikovala.
Nvidija nije mogla bolje tempirati objavljivanje svojih novih modela za prognozu vremena za Zemlju-2. Ili, s obzirom na to koliko kompanija tvrdi da su novi modeli tačni, možda je znala nešto što mi nismo?
Novi modeli veštačke inteligencije obećavaju da će prognozu vremena učiniti bržom i tačnijom. Nvidija tvrdi da jedan model, Earth-2 Medium Range, pobeđuje Google DeepMind-ov veštački vremenski model, GenCast, na više od 70 varijabli. GenCast, koji je Google objavio u decembru 2024. godine, sam po sebi je bio znatno tačniji od postojećih vremenskih modela koji su bili sposobni da generišu prognoze do 15 dana unapred.
Nvidija je najavila nove alate u ponedeljak na sastanku Američkog meteorološkog društva u Hjustonu.
„Filozofski, naučno, to je povratak jednostavnosti“, rekao je novinarima Majk Pričard, direktor klimatske simulacije u Nvidiji, u telefonskom razgovoru pre sastanka. „Udaljavamo se od ručno prilagođenih nišnih veštačkih arhitektura i usmeravamo se ka budućnosti jednostavnih, skalabilnih, transformatorskih arhitektura.“
Tradicionalno, većina vremenskih prognoza oslanja se na simulacije fizike kakve se posmatraju u stvarnom svetu. veštački modeli su relativno skorašnji dodatak. Model Earth-2 srednjeg dometa zasnovan je na novoj Nvidia arhitekturi pod nazivom Atlas, o kojoj je kompanija saopštila da će objaviti više detalja u ponedeljak.
Pored srednjeg dometa, Nvidia-in Earth-2 paket uključuje model Nowcasting i model globalne asimilacije podataka.
Nowcasting proizvodi kratkoročne prognoze od nula do šest sati u budućnosti, a cilj mu je da pomogne meteorolozima da prognoziraju uticaje oluja i drugih opasnih vremenskih uslova.
„Pošto je ovaj model obučen direktno na globalno dostupnim geostacionarnim satelitskim posmatranjima, a ne na rezultatima fizičkih modela specifičnih za region, Nowcasting-ov pristup se može prilagoditi bilo gde na planeti sa dobrom satelitskom pokrivenošću“, rekao je Pričard. To bi trebalo da pomogne vladama država i manjih zemalja da shvate kako teški vremenski sistemi mogu uticati na njihove teritorije.
Model globalne asimilacije podataka koristi podatke iz izvora poput meteoroloških stanica i balona za pravljenje kontinuiranih snimaka vremenskih uslova na hiljadama lokacija širom sveta. Ti snimci se zatim koriste kao početne tačke za vremenske modele da bi napravili svoja predviđanja.
Tradicionalno, ti snimci su zahtevali ogromne količine računarske snage pre nego što je rad na prognoziranju mogao da počne. „To troši otprilike 50% ukupnog opterećenja superračunara tradicionalnog [prognoziranja] vremena“, rekao je Pričard. „Ovaj model to može da uradi za nekoliko minuta na grafičkim procesorima umesto za sate na superračunarima.“
Tri nova modela pridružuju se dva postojeća: CorrDiff, koji koristi grubozrnaste prognoze za generisanje brzih predviđanja visoke rezolucije, i FourCastNet 3, koji modelira pojedinačne vremenske promenljive poput temperature, vetra i vlažnosti.
Pričard je rekao da bi novi modeli trebalo da većem broju korisnika pruže pristup moćnim alatima za prognoziranje vremena, koji su istorijski bili domen bogatijih zemalja i velikih korporacija, koje imaju sredstva da plate skupo vreme superračunara.
„Ovo pruža osnovne gradivne blokove koje koriste svi u ekosistemu — nacionalne meteorološke službe, firme za finansijske usluge, energetske kompanije — svako ko želi da izgradi i usavrši modele prognoze vremena“, rekao je Pričard. Neki od alata su već u upotrebi. Meteorolozi u Izraelu i Tajvanu koriste Earth-2 CorrDiff, na primer, dok The Weather Company i Total Energies procenjuju Nowcasting, rekla je Nvidia.
„Za neke korisnike ima smisla da se pretplate na centralizovani sistem za prognozu vremena za preduzeća. Ali za druge, poput zemalja, suverenitet je važan“, rekao je Pričard. „Vreme je pitanje nacionalne bezbednosti, a suverenitet i vreme su nerazdvojni.“