Science Advances: В отношении рекордно экстремальных погодных явлений прогнозы погоды моделей, основанных на физических принципах, превосходят созданные с помощью искусственного интеллекта
Модели, основанные на искусственном интеллекте, совершают революцию в прогнозировании погоды и превзошли ведущие системы численного прогнозирования погоды в различных эталонных задачах. Однако их способность экстраполировать и надёжно прогнозировать беспрецедентные экстремальные события остаётся неясной. Авторы показали, что для рекордно экстремальных погодных явлений численная модель прогноза высокой точности (HRES), основанная на физических принципах и полученная от Европейского центра среднесрочных прогнозов погоды, по-прежнему стабильно превосходит современные модели искусственного интеллекта: GraphCast, GraphCast operational, Pangu-Weather, Pangu-Weather operational и Fuxi. Было продемонстрировано, что ошибки прогнозирования в моделях искусственного интеллекта стабильно больше для рекордно высоких температур, холода и ветра, чем в HRES, почти на всех временных интервалах. Авторы также обнаружили, что рассматриваемые модели искусственного интеллекта, как правило, недооценивают как частоту, так и интенсивность рекордно экстремальных событий, а также рекорды жары и переоценивают рекорды холода с возрастающими ошибками при больших превышениях рекордов. Представленные результаты подчёркивают существующие ограничения моделей погоды на основе искусственного интеллекта в экстраполяции за пределы области обучения и в прогнозировании потенциально наиболее масштабных рекордных погодных явлений, которые особенно часто происходят в условиях быстрого потепления климата. Необходимы дальнейшая тщательная проверка и разработка моделей, прежде чем на них можно будет полностью полагаться в таких важных приложениях, как системы раннего предупреждения и управление стихийными бедствиями.
