Le nouveau prévisionniste météo de Google Deepmind écrase la concurrence

Google Esprit profond Les chercheurs ont construit un outil de prévision météorologique basé sur l’IA qui permet d’effectuer des prévisions plus rapides et plus précises que le meilleur système disponible aujourd’hui.

Baptisé GenCast, le nouveau modèle a surpassé les prévisions de l’ENS, largement considérée comme le leader mondial, dans 97 % des cas pour des prévisions jusqu’à 15 jours à l’avance. Il a été testé sur plus de 1 320 scénarios météorologiques, notamment des cyclones tropicaux et des vagues de chaleur.

« La surperformance de l’ENS marque en quelque sorte un point d’inflexion dans les progrès de l’IA pour la prévision météorologique. » Ilan Prixun chercheur scientifique de Google DeepMind, a déclaré le gardien. « Au moins à court terme, ces modèles vont accompagner et côtoyer les approches traditionnelles existantes. »

GenCast est un modèle d’apprentissage automatique de diffusion, similaire à ceux utilisés dans l’IA générative pour des tâches telles que la création d’images ou de texte. Cependant, il est particulièrement adapté à la prévision météorologique, formé sur quatre décennies de données du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) – l’agence derrière l’ENS.

Au cours des expériences, les chercheurs ont demandé à GenCast de générer une prévision pour 2019. Ils ont ensuite comparé les résultats à la météo réelle de cette année-là ainsi qu’aux prévisions de l’ENS.

GenCast crée un ensemble de plus de 50 prédictions différentes, chacune montrant un scénario futur possible. Ces données aident les autorités se préparent à des événements météorologiques extrêmes comme les ouragans ou les exploitants de parcs éoliens prédisent mieux la production d’électricité plusieurs jours à l’avance.

Le nom sophistiqué de cette technique est la prévision probabiliste d’ensemble. C’est déjà la référence en matière de systèmes de prévision traditionnels. Cependant, GenCast va encore plus loin. Le système peut émettre des prédictions en beaucoup moins de temps : 8 minutes, contre des heures pour les modèles traditionnels.

En effet, des modèles comme l’ENS fonctionnent sur d’énormes superordinateurs qui doivent analyser des millions d’équations pour faire une prédiction. En revanche, GenCast exécute sur un seul Google Cloud TPU, une puce conçue pour le machine learning. C’est parce que l’IA a été entraînée, elle a « appris » les données – elle n’a pas besoin de les parcourir à chaque fois qu’elle a besoin de faire une prévision.

GenCast améliore celui de Deepmind Modèle GraphCast dévoilé l’année dernière. D’autres entreprises technologiques développent également leurs propres prévisionnistes météorologiques IA. Nvidia est sorti FourCastNet en 2022, alors que Huawei lançait son Pangu-Météo modèle en 2023.

L’IA va-t-elle bientôt remplacer les prévisions traditionnelles ? Probablement pas. Des modèles comme GenCast s’appuient toujours sur les données des systèmes et modèles météorologiques traditionnels pour former et calibrer leurs prévisions. Cependant, l’IA peut certainement améliorer les méthodes actuelles.

« La plus grande valeur vient d’une approche hybride, combinant l’évaluation humaine, les modèles traditionnels basés sur la physique et les prévisions météorologiques basées sur l’IA », a déclaré Steven Ramsdale, prévisionniste en chef au Met Office du Royaume-Uni. Temps Financier.