Искусственный интеллект (ИИ) произвел революцию в краткосрочных прогнозах погоды, обеспечивая высокую точность и энергоэффективность по сравнению с традиционными моделями. Однако исследование ученых из Университета Чикаго, Нью-Йоркского университета и Калифорнийского университета в Санта-Крузе, опубликованное в журнале Proceedings of the National Academy of Sciences, выявило серьезный недостаток: нейросети не могут предсказывать экстремальные погодные явления, такие как ураганы 5-й категории, засухи или наводнения, если подобных событий не было в их обучающих данных.
Почему ИИ «слеп» к катастрофам?Нейросети, используемые для прогнозов погоды, обучаются на исторических данных, выявляя закономерности и предсказывая будущие условия. Однако их возможности ограничены тем, что они видели в прошлом. Если в обучающем наборе отсутствуют данные о редких катастрофах, ИИ не способен предсказать их появление или масштаб.
Чтобы проверить это, ученые обучили модель без информации об ураганах выше 2-й категории и попросили ее спрогнозировать условия, ведущие к урагану 5-й категории. Результат оказался тревожным: модель каждый раз недооценивала событие, предсказывая максимум 2-ю категорию. «Она знала, что приближается шторм, но не могла предвидеть его истинную силу», — пояснил Юнцян Сун, соавтор исследования.
Такие ошибки могут иметь катастрофические последствия, включая человеческие жертвы и разрушения инфраструктуры, если власти недооценят масштаб надвигающегося бедствия.
Надежда на улучшениеНесмотря на ограничения, исследование показало, что нейросети способны распознавать редкие явления, если в их данных есть аналогичные события из других регионов. Например, модель, обученная на тихоокеанских штормах, могла предсказать мощный атлантический ураган. «Это вселяет надежду: ИИ может адаптироваться, если у него есть опыт схожих явлений», — отметил Педрам Хассанзаде, доцент геофизики Университета Чикаго.
Как улучшить прогнозы?Ученые предлагают комбинировать ИИ с традиционными физическими моделями для повышения точности. Один из перспективных методов — активное обучение, при котором ИИ помогает создавать синтетические сценарии экстремальных событий для тренировки. Это позволит нейросетям «увидеть» редкие явления, даже если их не было в исторических данных.
Другой подход — интеграция физических законов в алгоритмы ИИ. Это сделает модели более устойчивыми к неизвестным сценариям, улучшив их способность предсказывать катастрофы.
Значение исследованияРабота подчеркивает, что ИИ — это не «волшебное» решение, а инструмент, требующий дальнейшего развития. «Мы используем нейросети для погоды всего несколько лет, и их потенциал огромен», — отметил Хассанзаде. Понимание их ограничений позволяет ученым сосредоточиться на создании более надежных систем прогнозирования, которые спасут жизни и минимизируют ущерб от стихийных бедствий.
Следите за NEWS.am Tech на Facebook и Twitter