Alors que les AIS pour la transmission des intempéries ont remplacé certaines tâches effectuées par les modèles traditionnels, de nouvelles recherches utilisent l'apprentissage automatique pour remplacer l'ensemble du processus, ce qui le rend beaucoup plus rapide
Les orages sur l'Indonésie, vus depuis la Station spatiale internationale
Un programme météorologique de l'IA en une seule seconde sur un bureau peut correspondre à la précision des prévisions traditionnelles qui prennent des heures ou des jours sur des superordinateurs puissants, revendiquent ses créateurs.
La prévision météorologique est, depuis les années 1950, reposée sur des modèles basés sur la physique qui extrapolent des observations faites à l'aide de satellites, de ballons et de stations météorologiques. Mais ces calculs, connus sous le nom de prédiction météorologique numérique (NWP), sont extrêmement intensifs et s'appuient sur de vastes superordinateurs de vastes, coûteux et gourmandes en énergie.
Ces dernières années, les chercheurs ont tenté de rationaliser ce processus en appliquant une IA. L'année dernière, les scientifiques de Google ont créé un outil d'IA qui pourrait remplacer de petits morceaux de code complexe dans chaque cellule d'un modèle météorologique, réduisant considérablement la puissance de l'ordinateur. DeepMind est allé plus tard encore plus loin et a utilisé l'IA pour remplacer l'intégralité des prévisions. Cette approche a été adoptée par le Centre européen pour les prévisions météorologiques moyennes (ECMWF), qui a lancé un outil appelé le système de prévision de l'intelligence artificielle le mois dernier.
Mais cette expansion progressive du rôle de l'IA dans la prédiction météorologique n'a pas réussi à remplacer tous les nombres traditionnels – quelque chose qu'un nouveau modèle créé par Richard Turner à l'Université de Cambridge et ses collègues cherche à changer.
Turner dit que les travaux antérieurs se sont limités aux prévisions et ont réussi une étape appelée initialisation, où les données des satellites, des ballons et des stations météorologiques du monde entier sont rassemblées, nettoyées, manipulées et fusionnées dans une grille organisée dont les prévisions peuvent commencer. «C'est en fait la moitié des ressources informatiques», explique Turner.
Les chercheurs ont créé un modèle appelé Aardvark Weather qui, pour la première fois, remplace à la fois les étapes de prévision et d'initialisation. Il n'utilise que 10% des données d'entrée que les systèmes existants font, mais peuvent obtenir des résultats comparables aux dernières prévisions NWP, rapportent Turner et ses collègues dans une étude évaluant leur méthode.
La génération d'une prévision complète, qui prendrait des heures voire des jours sur un puissant supercalculateur pour une prévision NWP, peut être effectuée en environ 1 seconde sur un seul ordinateur de bureau à l'aide d'Aardvark.
Cependant, Aardvark utilise un modèle de grille de surface de la Terre avec des cellules de 1,5 degrés carrées, tandis que le modèle ERA5 de l'ECMWF utilise une grille avec des cellules aussi petites que 0,3 degrés. Cela signifie que le modèle d'Aardvark est trop grossier pour reprendre les conditions météorologiques complexes et inattendues, explique David Schultz à l'Université de Manchester, au Royaume-Uni.
«Il y a beaucoup de choses non résolues qui pourraient faire exploser vos prévisions», explique Schultz. «Ils ne représentent pas du tout les extrêmes. Ils ne peuvent pas le résoudre à cette échelle.»
Turner soutient qu'Aardvark peut réellement battre certains modèles existants pour ramasser des événements inhabituels tels que les cyclones. Mais il concède que les modèles d'IA comme les siens s'appuient également entièrement sur ces modèles basés sur la physique pour la formation. «Cela ne fonctionne absolument pas si vous enlevez leurs données de formation et utilisez simplement les données d'observation pour vous entraîner», dit-il. « Nous avons essayé de faire cela et devenu sans modèle de physique sans modèle, mais cela n'a pas fonctionné. »
Il pense que l'avenir des prévisions météorologiques pourrait être des scientifiques travaillant sur des modèles de physique toujours précis, qui sont ensuite utilisés pour former des modèles d'IA qui reproduisent leur sortie plus rapidement et avec moins de matériel. Certains sont encore plus optimistes quant aux perspectives de l'IA.
Nikita Gourianov à l'Université d'Oxford estime qu'avec le temps, l'IA sera en mesure de créer des prévisions météorologiques qui dépassent réellement la NWP. Celles-ci seront formées sur les données météorologiques observationnelles et historiques, créant des prévisions précises entièrement indépendantes de la NWP, dit-il. «C'est une question d'échelle, mais aussi une question d'intelligence. Vous devez être intelligent avec la façon dont vous alimentez les données – et comment vous structurez le réseau neuronal.»
