La dernière innovation de Google DeepMind, l’IA de prévision météorologique GraphCast, marque une avancée significative dans la technologie de prévision météorologique. L’impact de la météo est omniprésent, influençant tout, des choix vestimentaires quotidiens à la production d’énergie et, dans les cas extrêmes, créant des tempêtes qui ont de profonds effets sur les communautés. À mesure que les conditions météorologiques mondiales deviennent de plus en plus volatiles, la demande de prévisions météorologiques rapides et fiables s’est intensifiée.
Une publication récente dans Science présente GraphCast de Google DeepMind, un modèle d’IA qui établit de nouvelles normes en matière de prévisions météorologiques à moyen terme. GraphCast excelle dans la prévision des conditions météorologiques jusqu’à 10 jours à l’avance, dépassant la précision et la rapidité de la norme industrielle établie : la prévision à haute résolution (HRES), développée par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF).
Au-delà de sa remarquable précision de prévision, GraphCast est capable de fournir des alertes plus précoces en cas d’événements météorologiques violents. Il dispose de capacités avancées de prévision des trajectoires des cyclones, d’identification des rivières atmosphériques indiquant des inondations potentielles et de prévision des événements de température extrême, autant d’éléments cruciaux pour une préparation efficace aux catastrophes et des interventions potentiellement vitales.
GraphCast représente une avancée significative dans l’application de l’IA aux prévisions météorologiques, en fournissant des prévisions non seulement plus précises, mais également plus efficaces. Cette percée est essentielle pour une prise de décision éclairée dans diverses industries et sociétés. Dans le but de démocratiser les prévisions météorologiques basées sur l’IA, Google DeepMind est open source le code modèle GraphCast, permettant aux scientifiques et aux prévisionnistes du monde entier d’améliorer la vie quotidienne de milliards de personnes. Notamment, les agences météorologiques comme l’ECMWF utilisent déjà GraphCast, menant des expériences en direct avec les prévisions du modèle sur leur plateforme.
GraphCast de Google DeepMind s’attaque à la complexité des prévisions météorologiques à moyen terme
Les prévisions météorologiques constituent l’un des défis scientifiques les plus complexes et les plus persistants de l’humanité. La capacité de faire des prévisions précises à moyen terme est cruciale pour une multitude de secteurs, de la production d’énergie renouvelable à la planification d’événements à grande échelle. Cependant, parvenir à l’exactitude et à l’efficacité de ces prévisions a toujours été une tâche formidable.
Traditionnellement, les prévisions météorologiques s’appuient sur la prévision numérique du temps (PNT). Cette méthode commence par des équations physiques méticuleusement élaborées, ensuite converties en algorithmes pour le traitement par superordinateur. Bien que cette approche ait constitué une réussite monumentale en science et en ingénierie, l’élaboration de ces équations et algorithmes nécessite une expertise approfondie, du temps et des ressources informatiques considérables pour produire des prédictions précises.
La technologie du deep learning présente une voie alternative : exploiter les données sur des équations physiques pour construire un système de prévisions météorologiques. L’IA de prévisions météorologiques GraphCast de Google DeepMind exploite des décennies de données météorologiques historiques, apprenant les relations causales complexes qui dictent l’évolution de la météo sur Terre. Cette méthode fournit un aperçu des conditions météorologiques du présent et du futur.
Notamment, GraphCast ne fonctionne pas de manière isolée mais fonctionne en synergie avec les méthodes traditionnelles. GraphCast a été formé à l’aide de quatre décennies de données de réanalyse météorologique provenant de l’ensemble de données ERA5 du CEPMMT. Cette vaste collection, comprenant des observations météorologiques historiques telles que des images satellite, des radars et des relevés de stations météorologiques, utilise des modèles de prévision numérique du temps traditionnels pour créer des enregistrements complets de la météo historique mondiale, comblant ainsi les lacunes là où les observations directes pourraient faire défaut.
Comment fonctionne l’IA de prévision météo GraphCast ?
L’intégration de l’apprentissage automatique et des réseaux de neurones graphiques (GNN) dans l’IA de prévisions météorologiques GraphCast de Google DeepMind marque une approche transformatrice dans la prévision météorologique. Ce système innovant est spécialisé dans le traitement de données spatialement structurées, facteur essentiel pour une modélisation météorologique précise.
L’IA de prévisions météorologiques GraphCast fonctionne à une résolution extraordinaire de 0,25 degrés de longitude/latitude, se traduisant par une grille détaillée de 28 km x 28 km à l’équateur. Ce haut niveau de précision couvre plus d’un million de points de grille sur la surface de la Terre. À ces points, le modèle de Google DeepMind prédit de manière exhaustive les variables critiques de la surface de la Terre, notamment la température et la dynamique du vent, ainsi que six facteurs atmosphériques sur 37 niveaux d’altitude, tels que les variations d’humidité et de température.
Malgré les exigences informatiques intenses au cours de sa phase de formation, l’IA de prévisions météorologiques GraphCast apparaît comme un outil de prévision très efficace. L’IA peut établir des prévisions météorologiques sur 10 jours en moins d’une minute lorsqu’elle est exécutée sur une seule machine Google TPU v4. Cette efficacité constitue une amélioration significative par rapport aux méthodes traditionnelles comme HRES, qui nécessitent plusieurs heures et une vaste gamme de supercalculateurs.
Lors d’un test de performances rigoureux par rapport au système HRES établi, l’IA de prévisions météorologiques GraphCast de Google DeepMind a démontré une précision supérieure dans plus de 90 % des 1 380 variables de test et périodes de prévision. Les performances du modèle sont encore plus frappantes dans la troposphère, la couche atmosphérique cruciale la plus proche de la Terre. Ici, GraphCast a surpassé HRES sur 99,7 % des variables de test, démontrant sa capacité exceptionnelle à prédire les conditions météorologiques futures.
L’IA de prévisions météorologiques GraphCast ne nécessite que deux ensembles de données pour fonctionner : l’état météorologique six heures auparavant et les conditions météorologiques actuelles. Grâce à ces informations, il prévoit avec précision le prochain scénario météorologique sur six heures. Ce processus peut être étendu séquentiellement par incréments de 6 heures, permettant au modèle de Google DeepMind de fournir des prévisions de pointe jusqu’à 10 jours à l’avance.
Détection précoce des intempéries avec GraphCast
L’IA de prévisions météorologiques GraphCast de Google DeepMind a démontré une capacité exceptionnelle à identifier les événements météorologiques graves plus tôt que les modèles conventionnels, une fonctionnalité pour laquelle elle n’est pas explicitement entraînée. Cette fonctionnalité illustre la manière dont GraphCast pourrait améliorer considérablement la préparation, sauvant potentiellement des vies et atténuant l’impact des tempêtes et des conditions météorologiques extrêmes sur les communautés.
En intégrant un simple outil de suivi des cyclones dans les prévisions GraphCast, le modèle atteint une précision supérieure dans la prévision des mouvements des cyclones par rapport au modèle HRES. Notamment, lors d’une démonstration en direct sur le site Web du CEPMMT, GraphCast a prévu avec précision l’arrivée de l’ouragan Lee en Nouvelle-Écosse neuf jours à l’avance, une prédiction plus précise et plus précoce que celles faites par les modèles de prévision traditionnels.
Moineau de l’esprit profond est un nouvel AGI plus sûr et plus précis
Dans le contexte d’un monde qui se réchauffe, la prévision des températures extrêmes est de plus en plus cruciale. GraphCast de Google DeepMind excelle dans l’identification des vagues de chaleur potentielles, en anticipant le moment où les températures sont susceptibles de dépasser les sommets historiques pour un endroit donné. Cette capacité prédictive est essentielle pour se préparer aux vagues de chaleur, événements perturbateurs et dangereux qui se produisent de plus en plus fréquemment.
Prévisions météorologiques basées sur l’IA
L’IA de prévisions météorologiques GraphCast de Google DeepMind prétend désormais être le système le plus précis au monde pour les prévisions météorologiques mondiales sur 10 jours, offrant des capacités sans précédent pour prédire les événements météorologiques extrêmes à long terme. Alors que le changement climatique continue de remodeler les conditions météorologiques, GraphCast est sur le point de s’adapter et d’améliorer ses performances grâce à l’intégration de données de qualité toujours plus élevée.
Crédit image en vedette : Wolfgang Hasselmann/Unsplash
