dumaiИИ уже сопоставим с моделями погоды, но климат сложнее
Препринт, ещё не рецензирован · ранние данные
Кратко
Современные ИИ-системы уже сопоставимы с обычными моделями прогноза погоды и требуют меньше вычислений. Для климатических прогнозов им нужно отдельно учитывать внешние причины изменений — например, выбросы парниковых газов — и проходить проверки на экстремальных сценариях, которых раньше не наблюдали.
Зачем это знать?
Климатические прогнозы могут стать дешевле, а оценка рисков — доступнее на местном уровне, если такие системы научатся работать с изменениями, которых не было в исходных данных. Статья пока задаёт условия для проверки, а не подтверждает готовность ИИ к практической работе.
Разбор
Авторы не ставили новый эксперимент, а собрали результаты последних работ и проверили, что из подходов к прогнозу погоды можно перенести на климат. Речь идёт об авторегрессионных моделях: они шаг за шагом получают собственный предыдущий прогноз и строят следующий. Затем авторы отдельно рассмотрели гибриды, где ИИ соединяют с физическими уравнениями, и способы уточнять грубый прогноз для небольших территорий.
Главная проблема — климатический прогноз не просто продолжает сегодняшнюю атмосферу. В нём нужно понять, как система изменится при другой концентрации парниковых газов, новом землепользовании или другом сценарии развития событий. Поэтому внешние причины должны быть поданы модели отдельно: тогда можно менять их по одной и проверять последствия, а не надеяться, что ИИ сам угадает связь по прошлым наблюдениям.
Авторы предлагают проверять такие системы двумя обязательными способами: давать им независимые изменения внешних факторов и устраивать стресс-тесты на режимах, которых не было в обучающих данных, включая экстремальные и контрфактические сценарии. Они также объясняют, откуда может взяться экономия вычислений: модели не обязаны каждый раз рассчитывать всё состояние атмосферы с очень частым шагом, если им нужны только отдельные переменные и более редкие обновления. Но при соединении компонентов и переносе прогноза на мелкий масштаб остаются технические трудности.
Ключевые цифры
Можно ли доверять
Это препринт на arXiv, поэтому его ещё не проверили рецензенты. Кроме того, работа в основном предлагает критерии и разбирает существующие подходы, а не показывает испытание одной системы на реальных климатических прогнозах; заявленные преимущества требуют дальнейшей проверки.
- Это препринт и обзорно-концептуальная статья, а не независимое испытание одной системы.
- Успехи в прогнозировании погоды не гарантируют надежных прогнозов при изменении климата и внешних воздействий.
- Оценка потенциального удешевления локальных прогнозов рисков не заменяет проверку точности в не наблюдавшихся и экстремальных сценариях.
Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено