Débloquez gratuitement Editor’s Digest
Roula Khalaf, rédactrice en chef du FT, sélectionne ses histoires préférées dans cette newsletter hebdomadaire.
L’intelligence artificielle a pour la première fois surpassé de manière convaincante les méthodes de prévision conventionnelles en prévoyant la météo dans le monde entier jusqu’à 10 jours dans le futur.
Le modèle GraphCast AI « marque un tournant dans la prévision météorologique », ont déclaré ses développeurs chez Google DeepMind dans un article évalué par des pairs. publié dans la revue Science mardi.
Une évaluation approfondie a montré que GraphCast était plus précis que le principal système conventionnel au monde pour les prévisions à trois à dix jours, géré par le Centre européen pour les prévisions météorologiques à moyen terme.
Il a surpassé le produit du CEPMMT dans 90 pour cent des 1 380 mesures utilisées, qui comprenaient la température, la pression, la vitesse et la direction du vent, ainsi que l’humidité à différents niveaux de l’atmosphère.
Matthew Chantry, coordinateur de l’apprentissage automatique au CEPMMT, a déclaré que les systèmes d’IA en météorologie ont progressé « bien plus tôt et de manière plus impressionnante que prévu il y a à peine deux ans ».
L’ECMWF, un organisme intergouvernemental basé à Reading au Royaume-Uni, a effectué des prévisions en direct à l’aide de modèles d’IA de Huawei et Nvidia ainsi que de DeepMind, parallèlement à son propre système de prévision intégré.
Chantry a approuvé l’affirmation de DeepMind selon laquelle son système est le plus précis. « Nous trouvons que GraphCast est systématiquement plus performant que les autres modèles d’apprentissage automatique, Pangu-Weather de Huawei et FourCastNet de Nvidia, et à bien des égards, il est plus précis que notre propre système de prévision », a-t-il déclaré au Financial Times.
GraphCast utilise une architecture d’apprentissage automatique appelée réseau neuronal graphique, qui a tiré des enseignements de plus de 40 ans de données passées du CEPMMT sur la façon dont les systèmes météorologiques se développent et se déplacent dans le monde.
Les données d’entrée pour ses prévisions sont les états de l’atmosphère mondiale à l’heure actuelle et six heures plus tôt, rassemblés par le CEPMMT à partir d’observations météorologiques mondiales. GraphCast produit une prévision sur 10 jours en une minute sur un seul ordinateur cloud Google TPU v4.
Contrairement à cette approche de « boîte noire » dérivée des données, la méthode conventionnelle utilisée par le CEPMMT et les bureaux météorologiques nationaux du monde, connue sous le nom de prévision numérique du temps, utilise des superordinateurs pour résoudre des équations basées sur les connaissances scientifiques de la physique atmosphérique – un processus gourmand en énergie. cela prend plusieurs heures.
« Une fois formé, GraphCast est extrêmement peu coûteux à utiliser », a déclaré Chantry. « On pourrait parler de 1 000 fois moins cher en termes de consommation d’énergie. C’est une amélioration miraculeuse.
À titre d’exemple de prévision réussie, les scientifiques de DeepMind ont mentionné l’ouragan Lee dans l’Atlantique Nord en septembre. « GraphCast a pu prédire correctement que Lee toucherait terre en Nouvelle-Écosse neuf jours avant que cela ne se produise, contre seulement six jours pour les approches traditionnelles », a déclaré Rémi Lam, auteur principal de l’article scientifique. « Cela a donné aux gens trois jours supplémentaires pour préparer son arrivée. »
Cependant, l’IA n’a pas fait mieux que les modèles physiques conventionnels pour prédire l’intensification explosive soudaine de l’ouragan Otis au large de la côte Pacifique du Mexique, qui a dévasté Acapulco sans avertissement le 25 octobre.
La prochaine étape pour le CEPMMT serait de construire son propre modèle d’IA et d’envisager de le combiner avec son système de prévision numérique du temps, a déclaré Chantry. « Il est possible d’injecter notre compréhension de la physique dans ces systèmes d’apprentissage automatique, qui peuvent ressembler à des boîtes noires. »
Le Met Office britannique, le service météorologique national, a annoncé le mois dernier une collaboration avec l’Institut Alan Turing, le centre britannique de recherche sur l’IA, pour développer son propre réseau neuronal graphique pour les prévisions météorologiques, qu’il intégrera à son infrastructure de supercalculateurs existante.
Simon Vosper, directeur scientifique du Met Office, a souligné la nécessité de prendre en compte le changement climatique dans les prévisions. « Il est juste de se demander si les systèmes basés sur l’IA sont capables de capter de nouveaux extrêmes si ces systèmes ont seulement été ‘entraînés’ sur les conditions météorologiques précédentes », a-t-il déclaré.
« Nous visons à tirer le meilleur parti de l’IA tout en travaillant avec nos modèles informatiques traditionnels basés sur la physique de l’atmosphère », a ajouté Vosper. « Nous pensons que ce mélange de technologies fournira les prévisions météorologiques les plus robustes et les plus détaillées dans une ère de changements dramatiques. »