Informations clés
- Le nouveau modèle utilise l’apprentissage automatique pour effectuer des prédictions basées sur un ensemble.
- Il prévoit des événements météorologiques extrêmes au-delà de ceux observés pendant sa période de formation.
- Le modèle GenCast a surpassé les méthodes traditionnelles sur 97,2 % des paramètres de prévision évalués.
Les chercheurs de Google DeepMind ont développé un modèle météorologique révolutionnaire qui surpasse la précision du système existant le plus fiable au monde. Ce résultat marque une avancée significative dans la technologie de prévision météorologique.
Le nouveau modèle utilise l’apprentissage automatique pour effectuer des prévisions basées sur un ensemble, une technique qui consiste à exécuter le même modèle avec des conditions initiales différentes pour générer des projections basées sur des probabilités. Contrairement aux modèles d’IA précédents qui proposaient une seule prédiction déterministe, cette approche offre une gamme de résultats possibles, améliorant ainsi la précision et l’utilité des prédictions.
Capacités du modèle
Remarquablement, le modèle démontre une capacité à prédire des événements météorologiques extrêmes au-delà de ceux observés au cours de sa période de formation. Cela suggère qu’il est capable de prédire avec précision des événements climatiques sans précédent, qui deviennent de plus en plus probables et graves en raison du réchauffement climatique.
L’intégration des prévisions météorologiques basées sur l’IA dans les agences gouvernementales et les entreprises privées est imminente. Toutefois, les experts soulignent que les météorologues humains restent indispensables en raison de leur capacité unique à interpréter les résultats de modèles et d’observations météorologiques complexes. Si les modèles d’IA tels que « GenCast » offrent des informations précieuses, ils ne sont pas destinés à remplacer entièrement l’expertise humaine.
Comparaison de GenCast avec les méthodes traditionnelles
Le modèle GenCast, détaillé dans une étude de Nature, a surpassé l’ensemble très réputé du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) sur 97,2 % des 1 320 paramètres de prévision évalués. Ces mesures comprennent des prévisions d’événements météorologiques extrêmes, des trajectoires des cyclones tropicaux et de la production d’énergie éolienne.
Les prévisions météorologiques traditionnelles s’appuient largement sur des modèles physiques qui utilisent des équations mathématiques complexes pour simuler les processus atmosphériques. Ces modèles gourmands en calcul nécessitent un - de traitement important et sont exécutés sur de puissants superordinateurs.
L’avenir de la prévision météorologique
En revanche, les modèles basés sur l’IA comme GenCast exploitent de vastes ensembles de données météorologiques et des algorithmes d’apprentissage automatique, ce qui leur permet de générer des prévisions beaucoup plus rapidement – en seulement 8 minutes pour une prévision d’ensemble. Cette agilité offre une alternative intéressante aux méthodes conventionnelles.
Malgré ces avancées, certains météorologues soulignent les limites des résultats de GenCast, telles que le manque de projections détaillées entre des intervalles de 12 heures, ce qui peut entraîner la perte d’informations météorologiques cruciales.
L’impact des modèles météorologiques basés sur l’IA
L’émergence de modèles météorologiques basés sur l’IA, proposés par des sociétés telles que Nvidia et Microsoft, marque un changement de paradigme en matière de prévision. Ces modèles sont extrêmement prometteurs car ils peuvent améliorer la précision et fournir des informations précieuses sur les modèles météorologiques.
Les experts prédisent que l’apprentissage automatique révolutionnera la prévision probabiliste, représentant une progression naturelle par rapport aux approches déterministes.
Si vous souhaitez accéder à tous les articles, abonnez-vous ici !
