Классические модели точнее ИИ прогнозируют экстремальную погоду

Традиционные климатические модели на основе физических уравнений пока точнее предсказывают экстремальные погодные явления, чем системы на базе искусственного интеллекта. К такому выводу пришли авторы исследования, опубликованного в журнале Science Advances.

В работе сравнивались возможности моделей при прогнозировании рекордных температур и ветровых событий. Анализ охватил десятки тысяч экстремальных случаев, зафиксированных в 2018 и 2020 годах.

Результаты показали, что ИИ-модели систематически занижают как интенсивность, так и частоту рекордных погодных явлений. Это связано с тем, что алгоритмы обучаются на исторических данных и хуже справляются с прогнозированием событий, выходящих за пределы уже наблюдавшихся значений.

При этом в целом ИИ-подходы демонстрируют высокую точность для обычных погодных условий и требуют значительно меньших вычислительных ресурсов по сравнению с классическими моделями.

Традиционные модели, используемые в метеорологии, основаны на физических законах атмосферы и океана и позволяют моделировать процессы, которые ранее не наблюдались. Это даёт им преимущество при оценке редких и экстремальных событий.

Авторы исследования отмечают, что наибольшая разница в точности проявляется при краткосрочных прогнозах. Кроме того, чем сильнее экстремальное событие превышает предыдущие рекорды, тем ниже точность прогнозов ИИ.

Исследователи указывают, что полученные результаты не означают отказ от применения ИИ в метеорологии, однако требуют осторожности при его использовании в системах раннего предупреждения.

В настоящее время во многих странах ИИ-модели уже применяются совместно с традиционными. Одним из перспективных направлений считается разработка гибридных систем, сочетающих физические модели и алгоритмы машинного обучения.