Как ИИ предсказывает наводнения и другие бедствия? Объясняем просто
Около 100 петабайт данных NASA — примерно 6 миллиардов файлов — скопировали на серверы, подключённые к суперкомпьютеру Alps, исследователи из Швейцарской высшей технической школы Цюриха (ETH). Этот объём сопоставим с 20 миллионами полнометражных фильмов, и он нужен, чтобы обучить искусственный интеллект предсказывать природные катастрофы за минуты, а не часы. Как пишет издание Phys.org, речь идёт о настоящей революции в прогнозировании, способной спасти тысячи жизней.
Почему старые методы не успевают
Традиционные прогнозы строятся на математических уравнениях, описывающих процессы в океане и атмосфере. Это требует огромных вычислительных мощностей и часов работы суперкомпьютеров. Даже самый быстрый расчёт может устареть к моменту завершения — погода меняется быстрее, чем считают уравнения.
Искусственный интеллект действует иначе. Вместо того чтобы решать уравнения с нуля, он обучается на архивах прошлых наблюдений, находит в них невидимые для человека закономерности. Статистические модели на основе паттернов «невероятно быстры» и «по-настоящему мощны», говорит климатолог Рето Кнутти, глава Центра моделирования климатических систем ETH.
Это революция в прогнозировании погоды.
По словам Кнутти, такая модель способна просчитать глобальный прогноз на несколько дней вперёд всего за минуту. Традиционным методам на это требуются часы.
Важно, что ИИ не заменяет физику атмосферы, а дополняет её. Модель учится на данных, но результат всё равно проверяется известными законами. Это позволяет быстрее обрабатывать колоссальные объёмы спутниковых наблюдений и выдавать прогноз там, где раньше приходилось ждать.
Суперкомпьютер Alps принял гигантский архив
Чтобы обучить ИИ, нужны данные — и их много. Учёные потратили около года на копирование примерно 6 миллиардов файлов NASA на серверы, расположенные в непосредственной близости от суперкомпьютера Alps в Лугано. По словам физика Томаса Шультесса, руководителя Швейцарского национального суперкомпьютерного центра, близость данных к вычислительной машине имеет решающее значение: «Важно, можем ли мы переместить данные за несколько секунд или нам приходится ждать днями».
Проект шёл в несколько этапов:
- копирование архива NASA на серверы рядом с Alps;
- разработка алгоритмов машинного обучения;
- тренировка моделей на тысячах климатических сценариев;
- тестирование прогнозов на реальных событиях.
Шультесс называет этот проект «огромной научной возможностью». Он позволяет делать то, о чём раньше нельзя было и подумать. Объём архива — около 100 петабайт — примерно в миллион раз превосходит ёмкость обычного персонального компьютера.
Но просто скопировать данные недостаточно. «Данные — это практически всё, — говорит Кнутти. — Следующий шаг — осмыслить эти данные».
Раннее предупреждение: от Блаттена до Непала
Один из самых впечатляющих примеров — швейцарская деревня Блаттен. В мае прошлого года её накрыл обвал ледника, но жителей успели эвакуировать за неделю до трагедии. Признаки катастрофы были видны на спутниковых снимках более чем за год до события — именно их зафиксировала система мониторинга. Власти Швейцарии следили за ледником пристально, поэтому сигнал был замечен. Без постоянного наблюдения такие признаки остаются незамеченными, как это произошло в Непале.
Аналогичная ситуация могла бы предотвратить бедствие на границе Непала и Китая, где в конце августа обрушился ледник. Как показал анализ спутниковых изображений, предвестники бедствия существовали задолго до обрушения. Если бы на них обратили внимание вовремя, район можно было бы пометить как «горячую точку» и усилить наблюдение.
По мнению Кнутти, такие случаи демонстрируют, как спутниковые данные могут стать основой систематических систем наблюдения для предотвращения катастроф. Это может спасти сотни и тысячи жизней.
Скорость, которая спасает жизни
Преимущество ИИ не только в скорости, но и в стоимости. Обучение моделей требует больших затрат, зато их использование дёшево. Это позволяет запускать прогнозы каждые несколько минут, проверяя, не появился ли опасный паттерн погоды.
Среди ключевых преимуществ таких моделей:
- скорость вычислений — минута вместо часов;
- низкая стоимость эксплуатации после обучения;
- возможность обнаруживать скрытые закономерности.
«Это позволяет нам создавать системы раннего предупреждения, чтобы спасать жизни», — подчёркивает Кнутти.
Конечно, не все катастрофы предсказуемы. Но те, что связаны с геологией, — оползни, обвалы ледников — часто можно распознать в данных заранее, если есть вычислительная мощность для поиска закономерностей.
Учёные уже называют этот проект шагом к новой эпохе в науках о Земле. Но чем больше данных и чем быстрее модели, тем острее встаёт вопрос: как распорядиться этой силой? Сможет ли человечество вовремя услышать сигналы, которые ИИ находит в спутниковых снимках? Ответ, похоже, зависит не только от алгоритмов, но и от готовности доверять им.
