Google est sur le point de bouleverser l'industrie des prévisions météorologiques avec la sortie de SEEDS, ou le modèle AI Scalable Ensemble Envelope Diffusion Sampler.
2VOIR LA GALERIE – 2 IMAGES
Advertisement
Le nouveau Large Language Model (LLM) est conçu pour fournir des prévisions météorologiques précises, beaucoup moins chères et plus rapides que les outils de prévision météorologiques traditionnels, en particulier pour les événements météorologiques tels que les ouragans ou les vagues de chaleur qui peuvent avoir un impact potentiellement dévastateur sur les régions. Alors, comment ça marche? Prédire la météo est intrinsèquement difficile en raison de la multitude de variables qui sont en jeu, les prévisions actuelles étant suffisamment bonnes pour des conditions telles que la température locale, cela devient de plus en plus difficile à mesure que ces prévisions s'éloignent dans le futur.
Il devient encore plus difficile de prédire l’apparition d’un événement météorologique extrême, car il s’agit du point culminant de toutes les variables des prévisions météorologiques typiques ainsi que des variables aléatoires qui pourraient induire un événement météorologique extrême. La précision de la prévision d'un événement météorologique extrême est actuellement extrêmement faible, Google expliquant qu'un modèle doit intégrer 10 000 prévisions météorologiques pour qu'un événement ait une probabilité de 1 % de se produire.
Les modèles de prévision météorologique traditionnels produisent un ensemble de 10 à 15 prévisions, en utilisant des mesures physiques telles que la relation entre l'unité d'énergie potentielle par masse du champ de gravité terrestre dans la moyenne troposphère et la pression au niveau de la mer. SEEDS est capable de gérer jusqu'à 31 ensembles de prédiction.
Les chercheurs à l'origine du projet ont déclaré que les coûts de fonctionnement de SEEDS sont « négligeable » par rapport aux méthodes traditionnelles de prévision météorologique.
Advertisement