10日間の天気予報を1分で生成、AIが世界最高の予報システムを上回る

天気予報に関しては、人工知能 (AI) が従来の方法を覆し、より速く、より低コストでより正確な予測を可能にしています。

Google DeepMindは、GraphCastと呼ばれる機械学習ベースの天気予報モデルを発表しました。このモデルは、1分以内に0.25°の世界解像度で今後10日間の何百もの気象変数を予測することができ、従来の天気予報方法を大幅に上回っています。さらに、このモデルは極端な事象の予測にも優れた性能を発揮します。

「中期地球気象予報の巧みな学習」と題された関連研究論文が、権威ある科学誌「サイエンス」に掲載されました。また、関連するオープンソースコードもGithub上で公開されています。

この研究結果は、日常の天気とハリケーン、熱波、寒波などの異常気象の両方の将来の予測がより正確になる可能性があることを示唆している。

9月に北大西洋を襲ったハリケーン・リーは予測が成功した例です。 「グラフキャストは、ハリケーンが襲来する9日前にリーがノバスコシア州に上陸することを正確に予測することができたが、従来の方法では6日しか予測できなかった」と論文の共同筆頭著者で共同責任著者のレミ・ラム氏は述べた。 「これにより、人々は到着に備えるためにさらに3日間の猶予を得ることができました。」

これに対し、欧州中期予報センター（ECMWF）の機械学習コーディネーターであるマシュー・チャントリー氏は、気象学におけるAIシステムの進歩は「2年前に予想していたよりもはるかに速く、印象的だ」と述べた。

「GraphCast は、Nvidia の FourCastNet などの他の機械学習モデルよりも一貫して優れており、多くの点で当社の予測システムよりも正確です。」

1分で今後10日間の天気予報

天気は、生命、健康、経済など多くの側面に関わり、人類に広範囲かつ重大な影響を及ぼします。

天気予報は科学における最も古く、最も困難な仕事の一つです。中期予測は、再生可能エネルギーからイベントロジスティクスに至るまでのさまざまな分野における重要な意思決定をサポートする上で重要な役割を果たしますが、正確かつ効果的に達成することは非常に困難です。

通常、天気予報は数値天気予報 (NWP) に依存します。これは、正確に定義された物理方程式から始めて、それをスーパーコンピューターで実行されるコンピューター アルゴリズムに変換する方法です。この従来のアプローチは科学や工学の分野では成功を収めてきましたが、方程式やアルゴリズムの設計には時間がかかり、正確な予測を行うには深い専門知識と高価なコンピューティング リソースが必要です。

論文によると、GraphCast は機械学習とグラフニューラルネットワーク (GNN) に基づいた天気予報システムであり、エネルギー消費の点で従来の方法よりも 1,000 倍安価になる可能性があるとのことです。

GraphCast は、地球の表面全体を 100 万以上のグリッド ポイントでカバーし、経度/緯度 0.25 度 (赤道で 28 km x 28 km) の高解像度で予測を生成します。モデルは、各グリッド ポイントで、37 の高度それぞれにおける 5 つの地球表面変数 (温度、風速と風向、平均海面気圧など) と 6 つの大気変数 (比湿度、風速と風向、温度など) を予測します。

GraphCast のトレーニングは計算集約的ですが、結果として得られる予測モデルは非常に効率的です。 GraphCast を使用して 10 日間の予測を実行すると、Google TPU v4 マシンで 1 分もかかりません。対照的に、HRES などの従来の方法を使用した 10 日間の予報には、スーパーコンピューターで何時間もの計算が必要になる場合があります。

GraphCast の予測能力を評価するために、研究者らは GraphCast を現在入手可能な最も正確な中期天気予報モデルである HRES と比較し、1,380 の検証ターゲットのうち 90% で GraphCast が HRES を大幅に上回っていることを発見しました。

さらに、このモデルは、熱帯低気圧の進路、大気河川（極方向への水蒸気輸送を担う大気の狭い領域）、極端な気温異常などの極端な事象の予測にも優れています。

GraphCast は、天気予報に加えて、気候や生態系、エネルギー、農業、人間や生物の活動、その他の複雑な動的システムなど、他の地理的空間時間予測にも新たな方向性を切り開くことができます。

研究者の中には、過去に参考にできる異常気象が比較的少ないこともあり、AIが異常気象を正確に予測する能力について懸念を表明している者もいる。しかし、GraphCast は、2 ～ 4 日のリードタイムでサイクロン予測の進路誤差を約 10 ～ 15 マイル削減し、大気河川に関連する水蒸気予測を 10% ～ 25% 改善し、5 ～ 10 日前に極端な暑さや寒さをより正確に予測します。

「AIの使用はまれな異常を予測するのにあまり向いていないと一般的に考えられている。しかし、AIはかなりうまくその点をカバーしているようだ」と、グーグル・ディープマインド研究ディレクターでこの研究の共著者の一人、ピーター・バタグリア氏は述べた。 「また、このモデルは、データの表面的なパターンを探すだけでなく、時間の経過とともに天候がどのように変化するかについて、より根本的な何かを捉えていることも示唆しています。」

しかし、これは AI が従来の予測方法すべてを置き換えることができるという意味ではありません。 GraphCast などの AI モデルを運用予測に確実に使用できるようになるには、克服する必要がある課題が他にもあります。

たとえば、このアプローチの重要な制限は、不確実性にどのように対処するかということです。研究の焦点は主に決定論的予測にあります。

GraphCast の平均二乗誤差 (MSE) トレーニング目標は、不確実性がある場合に予測を空間的にぼかすことを推奨しますが、これは一部のアプリケーション、特にイベントの末尾または結合確率を知るコンテキストでは理想的ではない可能性があります。

さらに、トレーニング データとエンジニアリング設計の制限により、グローバル AI モデルでは、従来のモデルほど多くのパラメーターや高度な予測を生成することはまだできません。このため、AI モデルは、雷雨や鉄砲水などの小規模な現象を予測したり、狭い範囲で降水量に大きな差が生じる可能性のある大規模な気象システムを予報したりする上ではあまり役に立ちません。

さらに、気象学者は、AI モデルの内部の仕組みが従来のモデルに比べて透明性が低いため、まだ AI モデルをあまり信頼していません。 「予報官の重要な役割は、パートナーに情報を説明して伝えることですが、AIモデルがなぜそのような予測をするのかを判断するツールがないため、この作業はより困難になっています」と、コロラド州立大学大気共同研究所のデータ視覚化研究者、ジェイコブ・ラドフォード氏は電子メールで述べた。 「これらのモデルはまだ初期段階であり、使用を検討する前に研究者や予報者コミュニティ内で信頼を築く必要があります。」

この研究には多くの限界があるものの、研究者たちはこれが天気予報における重要な転換点となり、人類に新たな道を切り開くものであると確信している。

さらに、このアプローチは、数十年にわたって開発され、多くの現実世界の環境で厳密にテストされ、まだ探求されていない多くの機能を提供する従来の気象予報方法に代わるものとして見なされるべきではないと彼らは言う。

「むしろ、私たちの研究は、AI天気予報が現実世界の予測問題の課題に対応でき、現在の最先端の方法を補完し、改善する可能性を秘めているという証拠として解釈されるべきです。」

AI天気予報の進歩

過去2年間で、Google、Microsoft、Nvidiaなどの大手テクノロジー企業はAI気象モデリングにおいて数々の進歩を遂げており、各社とも自社のAIモデルが少なくとも欧州のモデルと同等の性能を発揮すると述べた学術論文を発表している。これらの主張はECMWFの科学者によって確認された。

今年7月、ネイチャー誌に掲載された「AI天気予報」に関する2つの研究論文でも、AIベースの天気予報手法2つが言及された。

Huawei Cloudが開発したPangu-Weatherモデルは、39年間の世界の再解析気象データをトレーニングデータとして使用します。その予測精度は世界最高の数値天気予報システムIFSに匹敵し、同じ空間解像度ではIFSシステムより10,000倍以上高速です。

また、機械学習分野の第一人者であるカリフォルニア大学バークレー校教授のマイケル・ジョーダン氏と清華大学教授の王建民氏が率いる共同研究チームが提案したモデル「NowcastNet」は、物理法則とディープラーニングを組み合わせてリアルタイムの降水量予測を行うことができる。

英国気象庁は先月、AI研究センターであるアラン・チューリング研究所と提携し、気象予報用の独自のニューラルネットワークを開発し、それを既存のスーパーコンピューターインフラに組み込むと発表した。

英国気象庁の科学部長サイモン・ボスパー氏は、気候変動を予測に考慮する必要があると述べた。 「 AIベースのシステムが過去の気象条件についてのみ『トレーニング』されている場合、これらのシステムが新たな極端な気象条件を捉えることができるかどうか疑問に思わざるを得ません。」

「私たちの目標は、大気物理学に基づいた従来のコンピュータモデルを活用しながら、AI が提供できる最高のものを活用することです」と Vosper 氏は語った。 「私たちは、この技術の融合が、この大きな変化の時代に最も強力で詳細な天気予報を提供すると信じています。」

天気予報における AI の活用が人々の日常生活に恩恵をもたらすことは予想されますが、AI の進歩はそこで止まることはありません。

Google DeepMind はブログ投稿で次のように述べています。「私たちの研究は天気予報にとどまらず、より広範な気候パターンの理解にまで及びます。新しいツールを開発し、研究を加速させることで、AI が国際社会が直面する最大の環境問題に取り組む一助となることを願っています。」

参考リンク:

https://www.science.org/doi/10.1126/science.adi2336

https://github.com/google-deepmind/graphcast

https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/

https://www.ft.com/content/ca5d655f-d684-4dec-8daa-1c58b0674be1

https://www.washingtonpost.com/weather/2023/11/14/weather-forecasting-artificial-intelligence-google/

著者: Yan Yimi 編集者: Academic Jun