Денес вештачката интелигенција се користи во бројни помали и поголеми деловни процеси, а во иднина благодарение на оваа технологија би можеле да имаме попрецизни временски прогнози. Барем така тврди Google, односно нивниот оддел DeepMind, кој има развиено специјализиран и напреден модел за вештачка интелигенција наменет за прогнозирање на временските услови.
Од компанијата велат дека GraphCast се заснова на алгоритам благодарение на кој можат да постигнат „прецизност без преседан“ кога станува збор за глобалното временско прогнозирање.
Освен со големата прецизност, овој модел е интересен и по брзината, бидејќи за пресметките е потребно помалку од една минута. Ова е во спротивност со класичните прогностички модели кои бараат суперкомпјутери да обработат голема количина на податоци и променливи и им треба долго време за пресметки.
Во период од десет дена, вештачката интелигенција на Google може да предвиди стотици временски променливи, а во 90 проценти од случаите „значително ги надминува“ најпрецизните постоечки системи за прогнозирање. Вештачката интелигенција на Google особено се докажа во предвидувањето на поопасни временски настани како тропски циклони, екстремни температури и слично.
Овој модел е трениран на историски временски податоци од изминатите 40 години. Ова се податоци од Европскиот центар за временски прогнози со среден опсег (ECMWF), еден од водечките светски системи за прогнозирање. Напредокот направен од GraphCast ги изненади сите научници од ECMWF, а прогнозите за вештачката интелигенција на Google се поимпресивни од она што претходно го предвидоа експертите.
GrapCast е брз, прецизен и исклучително енергетски ефикасен и бара само една минута оптоварување на компјутерот на облак компјутерот Google TPU v4, а целиот процес може да биде илјада пати поевтин во споредба со потрошувачката на енергија на суперкомпјутер при примена на традиционални прогностички методи.
Сепак, треба да се нагласи дека овој модел не е совршен и има свои ограничувања, а во некои прогностички сценарија не може да ги надмине традиционалните методи и алатки кои се користат за прогнози и не може да обезбеди исто ниво на детали. Затоа Google не мисли дека GraphCast, барем не во блиска иднина, би можел да ги замени традиционалните прогностички системи, туку може да ги надополни за конечниот резултат, односно прогнозата да биде што попрецизна.
