מיקרוסופט: למידת מכונה עשויה לשפר תחזיות מזג אוויר לטווח של שבועיים עד שישה

חוקרים במיקרוסופט טוענים שמצאו דרך זולה יחסית לשפר את הדיוק של תחזיות מזג אוויר לטווח של שבועיים עד שישה שבועות קדימה. זה טווח שבו גם מודלים פיזיקליים מסורתיים וגם מודלי AI חדשים נעשים פחות אמינים בדרך כלל. לפי דיווח ב-The Verge, הממצאים פורסמו היום (14 באוקטובר) בכתב העת Nature, והכלי זמין כעת כתוכנת קוד פתוח.

לא עוד מודל, אלא תיקון למודלים קיימים

מיקרוסופט מצטרפת לגוגל, לאנבידיה ולחברות נוספות שמפתחות כלי AI לחיזוי מזג אוויר. אבל הפעם החברה לא בנתה מודל מזג אוויר עצמאי חדש. השיטה שלה, Probabilistic Bias Correction (PBC), משתמשת בלמידת מכונה כדי לזהות הטיות שיטתיות במודלים קיימים ולתקן אותן.

מה הבעיה שהשיטה מנסה לפתור? מודלים פיזיקליים מנסים לדמות את הפיזיקה המורכבת של האטמוספרה, ומודלי AI מחפשים דפוסים בנתונים היסטוריים. שני הסוגים נשענים על קירובים כדי להשלים פערים במידע, למשל באזורים עם מעט תחנות מטאורולוגיות, או בתופעות אטמוספריות שהמדע עדיין לא מבין עד הסוף. הדרך שבה המודלים משלימים את הפערים האלה עלולה להפוך להטיה שיטתית, והטעויות מצטברות ככל שהתחזית מתרחקת קדימה בזמן.

לסטר מאקי (Lester Mackey), חוקר בכיר ב-Microsoft Research New England, נתן דוגמה מתחום שינויי האקלים. כדור הארץ מתחמם בגלל פליטות של גזי חממה, אבל מודל שמתבסס על רשומות היסטוריות עלול לנטות לתחזיות קרות יותר מהטמפרטורות שהעולם חווה בפועל היום.

המספרים, לפי החוקרים

לפי המחקר, PBC שיפר את הדיוק של מודל פיזיקלי מוביל של המרכז האירופי לתחזיות מזג אוויר לטווח בינוני (ECMWF) ב-98% מיעדי המשקעים וב-92% מיעדי הטמפרטורה. לפי ניתוח החוקרים, השיטה גם הכפילה את הדיוק של מערכת חיזוי ה-AI החדשה של ECMWF. עוד לפני פרסום המאמר, ECMWF העניק פרס למחקר במסגרת תחרות AI Weather Quest שהוא מקיים.

את המאמר כתבו חוקרים ממיקרוסופט, מ-MIT, מ-ECMWF ומגופים נוספים, ולכן חשוב לזכור שמדובר בתוצאות שמציגים מפתחי השיטה עצמם. מתיו צ'נטרי (Matthew Chantry), שמוביל את תחום למידת המכונה ב-ECMWF, כתב ל-The Verge שהעבודה היא "דוגמה טובה לרעיונות חדשים שמפותחים לטובת הקהילה ולשיקולה". הוא גם הוסיף הסתייגות: "כמו תמיד, הפיכת רעיונות למציאות בתהליך מבצעי היא השלב המאתגר ביותר".

למה זה חשוב: מעבדים רגילים במקום מחשבי-על

מודלים פיזיקליים רצים על מחשבי-על, ומודלי AI גנרטיביים דורשים מעבדים גרפיים (GPU) חזקים. לדברי מאקי, PBC יכול לרוץ על מעבדים רגילים (CPU) בלבד. "יש לי הרבה תקווה גם לשיפור ביעילות המשאבים של חיזוי מזג האוויר וגם להארכת האמינות של התחזיות, במיוחד לגבי מזג אוויר קיצוני", אמר.

כאן נמצאת ככל הנראה המשמעות העיקרית של המחקר. כמות המחשוב והתשתית שחיזוי מזג אוויר דורש השאירה לאורך השנים חלק גדול מההתקדמות הטכנולוגית מחוץ להישג ידם של שירותים מטאורולוגיים במדינות מתפתחות. "אחד הדברים שהכי מלהיבים אותי במודלים כמו PBC הוא כמה הם קלים וכמה קל לאמן אותם", אמרה ז'נבייב פלספוהלר (Genevieve Flaspohler), אחת ממחברות המאמר. לדבריה, כך גם מדענים בלי משאבים גדולים יכולים לכוונן את המודלים כדי שיעבדו טוב יותר באזורים ספציפיים.

פלספוהלר עבדה על PBC כמתמחה במיקרוסופט, ועכשיו היא מנכ"לית הארגון ללא מטרות רווח Rhiza Research. הארגון עובד עם השירות המטאורולוגי של קניה, במימון קרן גייטס, כדי לבדוק אם AI יכול לעזור להעביר לציבור התרעות מוקדמות מדויקות יותר. PBC הוא אחת השיטות שנבדקות שם לקראת עונת גשמים שצפויה להיות קיצונית מהרגיל.

אם השיטה תעמוד במבחן השימוש המבצעי, היא עשויה לתת לחקלאים ולגורמי חירום יותר זמן להיערך. אבל כפי שצ'נטרי מזכיר, המעבר ממאמר מדעי לשימוש יומיומי הוא השלב הקשה.