- Google DeepMindのGenCastは、従来の天気予測システムに匹敵する精度を持つ
- 最近の研究によると、GenCastは2019年のデータを基にテストした際、世界最高水準の予測モデルENSを97.2%の確率で上回った
GenCastの主な特徴
- AIベースの機械学習モデルで、1979年から2018年までの気象データを学習してパターンを認識し、未来を予測する
- 従来モデル（ENS）は物理学ベースの複雑な方程式を計算する一方、GenCastは機械学習を活用してより効率的に予測を行う
- アンサンブル予測方式を使用してさまざまなシナリオを提示:
- 例: 熱帯低気圧の進路予測では平均12時間早い警告を提供
- 台風、極端気象、風力発電量などを最大15日前まで予測可能
主な性能と効率性
- 時間と資源の節約:
- GenCastはGoogle Cloud TPU v5を使って15日予報を8分で生成
- 従来モデルENSは同じ予報を生成するのに数時間を要する
- 物理方程式を迂回することで計算コストを削減
- 解像度の違い:
- GenCastは0.25度の解像度（緯度・経度）で動作
- ENSは2019年当時0.2度の解像度で動作しており、現在は0.1度の解像度に改善されている
- 解像度の差があるにもかかわらず、GenCastは優れた成果を示している
AIと従来モデルの共存
- GenCastは12時間間隔で予測を提供し、より短い間隔でデータを提供する従来モデルとの差別化点となっている
- DeepMindはGenCastを従来モデルと併用し、信頼と確信を築くことに重点を置いている
- GenCastは気象研究者や予報実務者にとって、新たなツールとして実質的な影響をもたらす可能性がある
AIモデルの潜在的な限界
- 現在のENSとGenCastの性能比較は、GenCastが2019年のENSデータを基にテストされているため、完全な比較とは言い難い
- より高解像度への拡張や、より短い予測間隔の提供など、さらなる改善が必要
- 気象学コミュニティでは、AIベースのモデルが物理学ベースのモデルと同程度に信頼できるかについて、なお議論が続いている
オープンソースと今後の展望
- DeepMindはGenCastのオープンソースコードを公開し、より多くの研究者や実務者がアクセスできるようにした
- AIモデルは従来モデルを置き換えるのではなく補完し、より正確で迅速な天気予測を可能にすると見られる
- AI天気予測モデルは、より良い社会的インパクトを目指して気象データ活用のあり方を革新する可能性を示している
まだコメントはありません。