Uoči zimske oluje koja trenutno pogađa veći dio SAD-a, prognoze vremena za neka područja bile su vrlo nepredvidive, a predviđanja snijega varirala su. Nvidia nije mogla bolje odabrati trenutak za predstavljanje svojih novih modela vremenske prognoze Earth-2. Ili, s obzirom na to koliko točno tvrdi da su novi modeli, možda je imala informacije koje mi nismo imali?
Novi AI modeli obećavaju bržu i točniju vremensku prognozu. Nvidia tvrdi da jedan model, Earth-2 Medium Range, nadmašuje Googleov AI model vremenske prognoze, GenCast, u više od 70 varijabli. GenCast, koji je Google objavio u prosincu 2024., bio je znatno točniji od postojećih modela koji su mogli generirati prognoze do 15 dana unaprijed.
Nvidia je nove alate predstavila u ponedjeljak na sastanku Američkog meteorološkog društva u Houstonu.
„Filozofski i znanstveno, to je povratak jednostavnosti“, rekao je Mike Pritchard, direktor simulacije klime u Nvidiji, novinarima na pozivu prije sastanka. „Odlazimo od ručno prilagođenih nišnih AI arhitektura i naginjemo prema budućnosti jednostavnih, skalabilnih transformatora.”
Tradicionalno, većina vremenskih prognoza oslanja se na simulacije fizike kao što je opažena u stvarnom svijetu. AI modeli su relativno nov dodatak. Model Earth-2 Medium Range temelji se na novoj Nvidijinoj arhitekturi pod nazivom Atlas, o kojoj će tvrtka objaviti više detalja.
Uz Medium Range, Nvidia-ina Earth-2 zbirka uključuje model Nowcasting i model Global Data Assimilation.
Nowcasting proizvodi kratkoročne prognoze od nule do šest sati unaprijed, a usmjeren je na pomoć meteorolozima u prognoziranju utjecaja oluja i drugih opasnih vremenskih uvjeta.
„Budući da je ovaj model izravno treniran na globalno dostupnim geostacionarnim satelitskim opažanjima, umjesto na izlazima fizikalnih modela specifičnih za regiju, pristup Nowcastinga može se prilagoditi bilo gdje na planetu s dobrom satelitskom pokrivenošću“, rekao je Pritchard. To bi trebalo pomoći vladama država i manjih zemalja da razumiju kako bi snažni vremenski sustavi mogli utjecati na njihova područja.
Model Global Data Assimilation koristi podatke iz izvora poput meteoroloških stanica i balona za proizvodnju kontinuiranih prikaza vremenskih uvjeta na tisućama lokacija širom svijeta. Ti se prikazi zatim koriste kao polazišne točke za vremenske modele kako bi napravili svoja predviđanja.
Tradicionalno, ti prikazi zahtijevaju ogromne količine računalne snage prije nego što se prognozirački rad može početi. „Troši otprilike 50% ukupnog opterećenja superračunala tradicionalnog vremenskog prognoziranja“, rekao je Pritchard. „Ovaj model to može učiniti u minutama na GPU-ima umjesto sati na superračunalima.”
Tri nova modela pridružuju se dva postojeća: CorrDiff, koji koristi grube prognoze za generiranje brzi, visokokvalitetnih predviđanja, i FourCastNet 3, koji modelira pojedinačne vremenske varijable poput temperature, vjetra i vlažnosti.
