Principaux renseignements
- Le nouveau modèle utilise l’apprentissage automatique pour effectuer des prévisions basées sur un ensemble.
- Il prédit des événements météorologiques extrêmes au-delà de ceux observés au cours de sa période d’apprentissage.
- Le modèle GenCast a surpassé les méthodes traditionnelles sur 97,2 pour cent 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 des prévisions météorologiques.
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 différentes conditions initiales pour générer des projections basées sur les probabilités. Contrairement aux modèles d’IA précédents qui offraient une seule prédiction déterministe, cette approche fournit un éventail de résultats possibles, améliorant ainsi la précision et l’utilité des prévisions.
Les capacités du modèle
De manière remarquable, 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 prévoir avec précision des événements climatiques sans précédent qui deviennent de plus en plus probables et graves en raison du réchauffement de la planète.
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 météorologiques complexes et les observations. 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, présenté en détail dans une étude de Nature, a surpassé l’ensemble très réputé du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) sur 97,2 pour cent des 1 320 paramètres de prévision évalués. Ces paramètres englobent les prévisions de phénomènes météorologiques extrêmes, les trajectoires des cyclones tropicaux et la production d’énergie éolienne.
Les prévisions météorologiques traditionnelles s’appuient fortement sur des modèles physiques qui utilisent des équations mathématiques complexes pour simuler les processus atmosphériques. Ces modèles à forte intensité de calcul nécessitent un temps de traitement important et sont exécutés sur de puissants superordinateurs.
L’avenir des prévisions météorologiques
En revanche, les modèles pilotés par 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 convaincante aux méthodes conventionnelles.
Malgré ces avancées, certains météorologues soulignent les limites des résultats de GenCast, comme l’absence de projections détaillées entre les intervalles de 12 heures, ce qui peut entraîner l’absence d’informations météorologiques cruciales.
L’impact des modèles météorologiques alimentés par l’IA
L’émergence de modèles météorologiques alimentés par l’IA, proposés par des entreprises telles que Nvidia et Microsoft, marque un changement de paradigme dans le domaine des prévisions. Ces modèles sont extrêmement prometteurs car ils permettent d’améliorer la précision et de fournir des informations précieuses sur les modèles météorologiques.
Les experts prévoient que l’apprentissage automatique révolutionnera les prévisions probabilistes, représentant une progression naturelle par rapport aux approches déterministes.
Si vous souhaitez accéder à tous les articles, abonnez-vous ici!