Современные технологии искусственного интеллекта стремительно меняют многие отрасли, и прогностические модели погоды не исключение. Традиционные метеорологические системы, несмотря на свои достижения, зачастую сталкиваются с ограничениями скорости и ресурсов, необходимых для точных предсказаний. В этом контексте швейцарский стартап Jua представил революционное решение — AI-модель под названием EPT-2, которое, по утверждениям компании, обгоняет по точности и скорости такие крупные продукты, как Microsoft Aurora и Google DeepMind Graphcast. Прогнозирование погоды издавна опирается на сложнейшие физические уравнения, модельные процессы и анализ огромных объемов данных. Европейский центр среднесрочных прогнозов погоды (ECMWF) традиционно считается мировым лидером, а его система ENS долгое время выступала эталоном точности и надежности.
Однако новые данные показывают, что искусственный интеллект, построенный на современных алгоритмах и мощных вычислительных возможностях, способен не только догнать, но и превзойти такие традиционные системы. Модель EPT-2, созданная Jua, разработана с акцентом на глубокое понимание атмосферных процессов, а не просто на анализе исторических данных. По словам Марвина Габлера, CEO компании, они пошли дальше большинства других AI-прогнозов — в то время как многие старые системы представляют собой надстройку на базе унаследованных физических моделей, EPT-2 основана на нативном физическом симуляторе, который стремится понять, как на самом деле ведет себя атмосфера Земли. Это фундаментальное отличие позволило добиться ошеломляющих результатов в независимых исследованиях. Результаты тестирования, опубликованные в рецензируемом отчете, продемонстрировали, что EPT-2 побеждает ключевые модели как Microsoft Aurora, так и лучшие модели ECMWF, включая ENS и IFS HRES, по целому ряду показателей.
Среди них особо выделяются параметры ветра на высоте 10 метров и температура воздуха на высоте 2 метров, которые являются важными для широкого спектра приложений — от сельского хозяйства и авиации до энергетики и планирования городских инфраструктур. Кроме того, модель Jua оказалась на 25% быстрее при построении прогнозов, что существенно увеличивает оперативность и эффективность использования прогноза в реальном времени. Энергозатраты и производительность также сыграли ключевую роль — EPT-2 использует на 75% меньше вычислительных ресурсов по сравнению с Microsoft Aurora, что делает её не только более эффективной, но и более экологичной. В эпоху, когда повышение энергоэффективности является приоритетом для технологий всех направлений, такие достижения крайне важны. Достижения Jua особенного значения приобретают на фоне глобального тренда цифровой трансформации климатических исследований и прогнозирования погоды.
Сквозь призму климатических изменений и роста числа экстремальных погодных явлений точные, быстрые и доступные прогнозы становятся необходимостью для многочисленных отраслей и социальных групп современного общества. Применение AI в прогнозировании полюбилось многим за возможность ускорить аналитические процессы и наметить наиболее вероятные сценарии развития погоды без необходимости долгих расчетов на дорогом суперкомпьютере. Однако, по словам Габлера, большинство существующих AI-моделей пока лишь добавляют искусственный интеллект к устаревшим системам, не меняя фундаментальных принципов работы. Jua же решила подойти к вопросу с нуля, создав модель, которая с самого начала мыслит атмосферные процессы как динамичную систему, и именно это залог успеха. Запуск первого глобального AI-моделя показа погоды Jua состоялся три года назад.
С тех пор стартап получил значительную поддержку от инвесторов, собрав 27 миллионов долларов инвестиций от фондов, таких как 468 Capital, Future Energy Ventures и Promus Ventures. Эти средства позволяют стартапу активно развивать свою технологию и расширять масштабы применения, от локальных метеослужб до глобальных климатических и авиационных систем. Интересно отметить, что исследование, подтверждающее преимущества EPT-2, было опубликовано на открытом ресурсе arXiv, что способствует прозрачности и дальнейшему взаимодействию с научным сообществом по всему миру. Отсутствие в тестах модели Graphcast от DeepMind не уменьшает уверенности команды Jua, поскольку они твердо убеждены в превосходстве своего подхода. В целом, пример Jua демонстрирует, что инновационные технологии на стыке искусственного интеллекта и науки о климате способны не только трансформировать индустрию прогноза погоды, но и задать новые стандарты для всего сектора.
Более точные прогнозы, построенные на понимании физических процессов в атмосфере, в сочетании с высокой скоростью и энергоэффективностью открывают массу новых возможностей. Можно предположить, что в ближайшие годы AI-подходы такого рода будут все активнее внедряться в практику метеорологических служб разных стран, способствуя снижению затрат и повышению качества прогнозов. Это позволит не только оперативнее реагировать на природные катаклизмы, но и эффективнее планировать экономические и социальные процессы. Использование AI-моделей, подобно EPT-2, также имеет большое значение для устойчивого развития и борьбы с изменением климата. Улучшение качества прогноза открывает доступ к более точной информации о погодных условиях, что помогает оптимизировать использование ресурсов, повысить безопасность и адаптироваться к новым климатическим условиям.
Таким образом, швейцарский стартап Jua, интегрируя продвинутые AI-технологии и углубленное физическое моделирование, предлагает инновационное решение, способное изменить облик метеорологии и климатологии. Их подход не только демонстрирует лидерство в технологическом развитии, но и служит примером эффективного применения искусственного интеллекта для глобального блага и устойчивого будущего.
