구글 딥마인드의 인공지능 기상 캐스터가 세계 표준을 쉽게 능가합니다
페이지 정보
작성자 딥마인드 작성일 24-03-20 17:26 조회 10회 댓글 0건본문
구글 딥마인드의 인공지능 기상 캐스터가 세계 표준을 쉽게 능가합니다
9월에, 런던에 있는 구글의 딥마인드 인공지능 유닛의 연구원들은 연못 건너편의 날씨에 특이한 주의를 기울이고 있었습니다. 허리케인 리는 상륙한지 최소 10일이 지났고, 예측 용어로 말하자면, 공식적인 예측들은 여전히 북동쪽의 주요 도시들에 폭풍이 상륙하는 사이에 어색해 하거나 그것들을 완전히 놓치고 있었습니다. 딥마인드의 자체 실험 소프트웨어는 훨씬 더 북쪽에 상륙하는 것에 대한 매우 구체적인 예측을 했습니다. "우리는 우리의 자리에 고정되어 있었습니다"라고 연구 과학자 레미 람은 말합니다.
그로부터 일주일 반이 지난 9월 16일, 리는 주요 인구 중심지에서 멀리 떨어진 노바스코샤주 롱아일랜드라는 딥마인드의 소프트웨어가 며칠 전에 예측했던 바로 그 지점에 도달했습니다. 이는 강력한 성능이 이 분야를 깜짝 놀라게 한 엔비디아와 화웨이가 구축한 기상 모델을 포함한 새로운 세대의 인공지능 기반 기상 모델을 위한 획기적인 시즌을 더했습니다. 베테랑 예보관들은 이번 허리케인 시즌 초 와이어드와의 인터뷰에서 인공지능에 대한 기상학자들의 심각한 의구심이 이 분야에 앞으로 있을 큰 변화에 대한 기대로 대체되었다고 말했습니다.
오늘, 구글은 동료들이 검토한 새로운 그러한 가능성에 대한 증거를 공유했습니다. 사이언스지에 오늘 게재된 논문에서, 딥마인드 연구원들은 자사의 모델이 습도와 온도와 같은 1,300개가 넘는 대기 변수의 90%에 걸쳐 세계적인 기상 예측 기관인 유럽중거리기상예보센터(ECMWF)의 예측을 능가했다고 보고했습니다. 더 나은 점은, 기존 모델들이 거대한 슈퍼컴퓨터를 필요로 하는 반면, 딥마인드 모델은 노트북으로 실행되어 1분 이내에 예측을 내뱉을 수 있다는 것입니다.
프레시 에어
표준 기상 시뮬레이션은 대기의 물리학을 복제하려고 시도함으로써 그들의 예측을 내립니다. 그들은 더 나은 수학 덕분에, 그리고 센서와 위성들로 이루어진 성장하는 함대들로부터 세부적인 기상 관측들을 받아들임으로써, 수년에 걸쳐 나아졌습니다. 그것들은 또한 번거롭습니다. ECMWF나 미국 국립 해양 대기 협회와 같은 주요 기상 센터들의 예측들은 강력한 서버들에서 계산하는 데 몇 시간이 걸릴 수 있습니다.
딥마인드의 연구 책임자인 피터 바타글리아(Peter Battaglia)가 몇 년 전 처음으로 일기 예보를 보기 시작했을 때, 그의 특별한 기계 학습 취향에 완벽한 문제인 것 같았습니다. 딥마인드는 이미 레이더 데이터로 훈련된 나우캐스팅(NowCasting)이라고 불리는 시스템으로 국지적인 강수량 예측을 시작했습니다. 이제 그의 팀은 전 세계적인 규모의 날씨를 예측하기를 원했습니다.
Battaglia는 이미 액체와 기체의 움직임을 묘사할 수 있는 고전적인 물리학 과제인 유체의 거동을 모델링하기 위해 그래프 신경망, 즉 GNN이라고 불리는 인공지능 시스템을 적용하는 데 초점을 맞춘 팀을 이끌고 있었습니다. 기상 예측이 분자의 흐름을 모델링하는 것에 핵심을 두고 있다는 것을 감안할 때, GNN을 활용하는 것은 직관적으로 보였습니다.
좋은 예측을 하기 위해 소프트웨어를 훈련시키는 것은 올바른 데이터를 필요로 합니다. 딥마인드는 주어진 날씨 조건을 정확하게 예측하기 위해 네트워크를 훈련시켰습니다
인공지능 모델은 또한 카테고리 5 폭풍과 같은 가장 중요한 사건의 강도를 낮추는 경향이 있습니다. 그것은 그들의 알고리즘이 평균 기상 조건에 가까운 예측을 선호하고, 극단적인 시나리오를 예측하는 것을 경계하기 때문일 수 있습니다. 그래프캐스트 연구원들은 또한 그들의 모델이 대기 상층부인 성층권의 조건에 대한 ECMWF의 예측에 미치지 못한다고 보고했지만, 그 이유는 아직 확실하지 않습니다.
기후 변화
훈련을 위해 과거의 데이터에 의존하는 것은 잠재적으로 심각한 약점을 수반합니다: 만약 미래의 날씨가 과거의 날씨와 전혀 비슷해 보이지 않는다면 어떨까요? 전통적인 날씨 모델은 물리 법칙에 의존하기 때문에, 그것들은 지구의 기후 변화에 다소 강건하다고 여겨집니다. 날씨는 변하지만, 그것을 지배하는 규칙은 변하지 않습니다.
Battaglia는 훈련 데이터에서 각 유형을 비교적 적게 보았음에도 불구하고 허리케인을 포함한 다양한 기상 시스템을 예측하는 DeepMind 시스템의 능력은 대기의 물리학을 내재화했음을 시사한다고 말합니다. Battaglia는 여전히 모델을 가능한 한 최신 데이터로 훈련시키는 것이 한 가지 이유라고 말합니다.
지난 달, 허리케인 오티스가 멕시코의 아카풀코를 강타했을 때, 그것의 강도와 경로는 인공지능에 의해 작동되는 모델들을 포함하여, 모든 기상 모델들의 예견을 피했습니다. 마이애미 대학의 기상학자인 브라이언 맥놀디는 그러한 폭풍은 "이상치들 사이에서 이상치들"이라고 말합니다. 기상학자들은 폭풍의 깊은 곳에 있는 해양 조건들이나 과정들이 얼마나 이상한 상황이 그것을 빠르게 강해지도록 이끌 수 있는지를 이해하는 데 있어서의 차이들을 살펴봄으로써, 그것이 왜 발생했는지를 아직도 파악하고 있습니다. 어떤 새로운 통찰력과 데이터가 획득되는 것은 기존의 기상 물리학 모델들과 구글의 그래프캐스트와 같은 새로운 인공지능 기반 모델들을 작동시키는 데이터 세트들로 다시 흘러 들어갈 것입니다.
ECMWF는 GraphCast에서 영감을 받아 자체 AI 일기 예보 모델을 만들고 있으며, 대기 물리학에 대한 기관의 지식이 훨씬 더 효과적인 모델을 설계하는 데 도움이 될 수 있다고 베팅하고 있습니다. 이는 향후 1~2년 내에 AI 기반 예보를 시작하는 것을 목표로 하고 있습니다. Chantry는 머신 러닝 커뮤니티가 연구원, 산업 자금 및 GPU를 일기 예보를 개선하는 데 계속 투입하기를 희망합니다.
9월에, 런던에 있는 구글의 딥마인드 인공지능 유닛의 연구원들은 연못 건너편의 날씨에 특이한 주의를 기울이고 있었습니다. 허리케인 리는 상륙한지 최소 10일이 지났고, 예측 용어로 말하자면, 공식적인 예측들은 여전히 북동쪽의 주요 도시들에 폭풍이 상륙하는 사이에 어색해 하거나 그것들을 완전히 놓치고 있었습니다. 딥마인드의 자체 실험 소프트웨어는 훨씬 더 북쪽에 상륙하는 것에 대한 매우 구체적인 예측을 했습니다. "우리는 우리의 자리에 고정되어 있었습니다"라고 연구 과학자 레미 람은 말합니다.
그로부터 일주일 반이 지난 9월 16일, 리는 주요 인구 중심지에서 멀리 떨어진 노바스코샤주 롱아일랜드라는 딥마인드의 소프트웨어가 며칠 전에 예측했던 바로 그 지점에 도달했습니다. 이는 강력한 성능이 이 분야를 깜짝 놀라게 한 엔비디아와 화웨이가 구축한 기상 모델을 포함한 새로운 세대의 인공지능 기반 기상 모델을 위한 획기적인 시즌을 더했습니다. 베테랑 예보관들은 이번 허리케인 시즌 초 와이어드와의 인터뷰에서 인공지능에 대한 기상학자들의 심각한 의구심이 이 분야에 앞으로 있을 큰 변화에 대한 기대로 대체되었다고 말했습니다.
오늘, 구글은 동료들이 검토한 새로운 그러한 가능성에 대한 증거를 공유했습니다. 사이언스지에 오늘 게재된 논문에서, 딥마인드 연구원들은 자사의 모델이 습도와 온도와 같은 1,300개가 넘는 대기 변수의 90%에 걸쳐 세계적인 기상 예측 기관인 유럽중거리기상예보센터(ECMWF)의 예측을 능가했다고 보고했습니다. 더 나은 점은, 기존 모델들이 거대한 슈퍼컴퓨터를 필요로 하는 반면, 딥마인드 모델은 노트북으로 실행되어 1분 이내에 예측을 내뱉을 수 있다는 것입니다.
프레시 에어
표준 기상 시뮬레이션은 대기의 물리학을 복제하려고 시도함으로써 그들의 예측을 내립니다. 그들은 더 나은 수학 덕분에, 그리고 센서와 위성들로 이루어진 성장하는 함대들로부터 세부적인 기상 관측들을 받아들임으로써, 수년에 걸쳐 나아졌습니다. 그것들은 또한 번거롭습니다. ECMWF나 미국 국립 해양 대기 협회와 같은 주요 기상 센터들의 예측들은 강력한 서버들에서 계산하는 데 몇 시간이 걸릴 수 있습니다.
딥마인드의 연구 책임자인 피터 바타글리아(Peter Battaglia)가 몇 년 전 처음으로 일기 예보를 보기 시작했을 때, 그의 특별한 기계 학습 취향에 완벽한 문제인 것 같았습니다. 딥마인드는 이미 레이더 데이터로 훈련된 나우캐스팅(NowCasting)이라고 불리는 시스템으로 국지적인 강수량 예측을 시작했습니다. 이제 그의 팀은 전 세계적인 규모의 날씨를 예측하기를 원했습니다.
Battaglia는 이미 액체와 기체의 움직임을 묘사할 수 있는 고전적인 물리학 과제인 유체의 거동을 모델링하기 위해 그래프 신경망, 즉 GNN이라고 불리는 인공지능 시스템을 적용하는 데 초점을 맞춘 팀을 이끌고 있었습니다. 기상 예측이 분자의 흐름을 모델링하는 것에 핵심을 두고 있다는 것을 감안할 때, GNN을 활용하는 것은 직관적으로 보였습니다.
좋은 예측을 하기 위해 소프트웨어를 훈련시키는 것은 올바른 데이터를 필요로 합니다. 딥마인드는 주어진 날씨 조건을 정확하게 예측하기 위해 네트워크를 훈련시켰습니다
인공지능 모델은 또한 카테고리 5 폭풍과 같은 가장 중요한 사건의 강도를 낮추는 경향이 있습니다. 그것은 그들의 알고리즘이 평균 기상 조건에 가까운 예측을 선호하고, 극단적인 시나리오를 예측하는 것을 경계하기 때문일 수 있습니다. 그래프캐스트 연구원들은 또한 그들의 모델이 대기 상층부인 성층권의 조건에 대한 ECMWF의 예측에 미치지 못한다고 보고했지만, 그 이유는 아직 확실하지 않습니다.
기후 변화
훈련을 위해 과거의 데이터에 의존하는 것은 잠재적으로 심각한 약점을 수반합니다: 만약 미래의 날씨가 과거의 날씨와 전혀 비슷해 보이지 않는다면 어떨까요? 전통적인 날씨 모델은 물리 법칙에 의존하기 때문에, 그것들은 지구의 기후 변화에 다소 강건하다고 여겨집니다. 날씨는 변하지만, 그것을 지배하는 규칙은 변하지 않습니다.
Battaglia는 훈련 데이터에서 각 유형을 비교적 적게 보았음에도 불구하고 허리케인을 포함한 다양한 기상 시스템을 예측하는 DeepMind 시스템의 능력은 대기의 물리학을 내재화했음을 시사한다고 말합니다. Battaglia는 여전히 모델을 가능한 한 최신 데이터로 훈련시키는 것이 한 가지 이유라고 말합니다.
지난 달, 허리케인 오티스가 멕시코의 아카풀코를 강타했을 때, 그것의 강도와 경로는 인공지능에 의해 작동되는 모델들을 포함하여, 모든 기상 모델들의 예견을 피했습니다. 마이애미 대학의 기상학자인 브라이언 맥놀디는 그러한 폭풍은 "이상치들 사이에서 이상치들"이라고 말합니다. 기상학자들은 폭풍의 깊은 곳에 있는 해양 조건들이나 과정들이 얼마나 이상한 상황이 그것을 빠르게 강해지도록 이끌 수 있는지를 이해하는 데 있어서의 차이들을 살펴봄으로써, 그것이 왜 발생했는지를 아직도 파악하고 있습니다. 어떤 새로운 통찰력과 데이터가 획득되는 것은 기존의 기상 물리학 모델들과 구글의 그래프캐스트와 같은 새로운 인공지능 기반 모델들을 작동시키는 데이터 세트들로 다시 흘러 들어갈 것입니다.
ECMWF는 GraphCast에서 영감을 받아 자체 AI 일기 예보 모델을 만들고 있으며, 대기 물리학에 대한 기관의 지식이 훨씬 더 효과적인 모델을 설계하는 데 도움이 될 수 있다고 베팅하고 있습니다. 이는 향후 1~2년 내에 AI 기반 예보를 시작하는 것을 목표로 하고 있습니다. Chantry는 머신 러닝 커뮤니티가 연구원, 산업 자금 및 GPU를 일기 예보를 개선하는 데 계속 투입하기를 희망합니다.