Modele prognozujące warunki pogodowe to bardzo ważny element wspierający funkcjonowanie w zasadzie większości podstawowych dziedzin gospodarki. Transport, rolnictwo, a nawet nasze wakacyjne wyjazdy. Właśnie dlatego naukowcy i firmy technologiczne regularnie prześcigają się w tworzeniu coraz to nowszych i doskonalszych modeli, które jednak są całkowicie zależne od danych oraz mocy obliczeniowej. Rewolucyjny model sztucznej inteligencji wymaga znacznie mniejszej mocy obliczeniowej.
Badacze z firm takich jak Nvidia i Google, zaczęli od jakiegoś czasu opracowywać duże modele sztucznej inteligencji, znane jako modele podstawowe, które służą mają do prognozowania pogody. Ostatnio jednak naukowcy z Departamentu Energii USA, we współpracy z badaczami Adityą Groverem i Tungiem Nguyenem z Uniwersytetu Kalifornijskiego w Los Angeles, rozpoczęli badania nad modelem AI o nazwie „ClimaNet”. Może on w niektórych przypadkach generować prognozy pogodowe nawet 10 razy szybciej, a to wszystko przy wykorzystaniu znacznie mniejszej mocy obliczeniowej. Potrafi on także przewyższyć obecnie dostępne modele pod względem precyzji. Mogłoby to bardzo zwiększyć użyteczność prognoz długoterminowych.
Jak działają te nowoczesne modele pogodowe? Modele podstawowe opierają się na wykorzystaniu „tokenów”, czyli małych fragmentów informacji, które algorytm AI wykorzystuje do przewidywania wyników. Wiele modeli podstawowych jest używanych do przetwarzania języka naturalnego, co oznacza obsługę słów i fraz. W modelach prognozowania pogody zamiast słów stosuje się np. dane dotyczące temperatury, ciśnienia czy wilgotności powietrza. Nowy model opracowany przez naukowców z USA potrafi uzyskać prognozy o jakości porównywalnej do najlepszych tradycyjnych modeli przy znacznie mniejszym zapotrzebowaniu na moc obliczeniową. Oznacza to, że do ich uzyskania wymagana jest mniejsza ilość danych treningowych.
Jednym z większych problemów, którym byłby w stanie zaradzić dobry model sztucznej inteligencji, jest brak aktualności danych. Wiele statystycznych danych używanych w prognozach jest przestarzałych i nieodpowiednich do zastosowań długoterminowych. Przez to wymagane są systemy ciągłego monitorowania i aktualizacji danych, które mogłaby automatycznie wprowadzać sztuczna inteligencja ucząca się na bieżąco na rzeczywistych danych pomiarowych. Może nawet w przyszłości AI mogłaby samodzielnie prognozować zmiany wartości tych danych.