Дослідники з MIT досягли значного прориву в моделюванні клімату, розробивши інструмент ШІ, здатний прогнозувати екстремальні погодні явища, які не мають історичних прецедентів. На відміну від традиційних моделей, які покладаються на минулі катастрофи для передбачення майбутніх, ця нова система може окреслювати статистично можливі катастрофи, які ніколи раніше не траплялися в конкретному регіоні.

Позбавлення залежності від історичних даних

Більшість сучасних моделей прогнозування погоди та алгоритмів машинного навчання мають фундаментальне обмеження: вони «орієнтовані на минуле». Їм потрібні величезні масиви даних про минулі події — такі як попередні повені, урагани або теплові хвилі — щоб розпізнавати закономірності та передбачати майбутні ризики. Це стає критичною точкою відмови в епоху зміни клімату, коли зміна глобальних температур створює погодні явища типу «чорний лебідь», що не піддаються історичним нормам.

Розроблений аспірантом факультету машинобудування Каєм Чангом та професором Темісом Сапсісом, інструмент MIT долає цю залежність. Замість того, щоб запитувати: «Що тут траплялося раніше?», модель оцінює фундаментальну фізику та статистичні ймовірності, щоб відповісти: «Що може статися тут на основі поточних атмосферних умов?». Це дозволяє ШІ створювати прогнозні карти для безпрецедентних екстремальних явищ, які залишаються в межах статистичної можливості, але існують поза межами зафіксованої історії конкретної місцевості.

Картографування «статистично можливого»

Технічна інновація полягає в здатності моделі створювати карти високої роздільної здатності потенційних погодних явищ. Ці карти не просто припускають, що катастрофа може статися; вони надають детальні просторові візуалізації того, де і як саме може проявитися подія.

Що важливо, інструмент також надає оцінки невизначеності для кожної карти. Кількісно визначаючи ступінь впевненості у своїх прогнозах, ШІ забезпечує нюансований рівень оцінки ризиків. Ця відмінність є життєво важливою для служб екстреного реагування та міських планувальників, яким потрібно знати не лише потенційний вплив, а й надійність самого прогнозу. Така можливість перетворює теоретичну можливість на практичний показник ризику.

Чому це важливо для майбутнього кліматичної стійкості

Наслідки для ширшого ландшафту ШІ та кліматології є глибокими. Оскільки зміна клімату прискорюється, «історичні записи» стають дедалі менш надійним орієнтиром для майбутньої підготовки. Традиційні моделі машинного навчання ризикують бути застигнутими зненацька подіями «поза межами розподілу» (out-of-distribution) — явищами, які виходять за межі діапазону навчальних даних.

Підхід MIT змінює парадигму: від зіставлення шаблонів до ймовірнісного моделювання на основі фізичних законів. Для розробників у сфері кліматичних технологій (climate-tech) та засновників, які будують інфраструктуру стійкості, це означає перехід до більш надійного ШІ, орієнтованого на майбутнє. Готуючись до «безпрецедентного», суспільство може перейти від реактивної позиції до проактивної, проєктуючи міста та протоколи надзвичайних ситуацій для погоди завтрашнього дня, а не погоди вчорашнього.

Основні висновки

  • Поза межами історії: Розроблений MIT ШІ може прогнозувати екстремальні погодні явища, які не мають попередніх випадків у історичних записах регіону.
  • Ймовірнісне картографування: Інструмент створює детальні просторові карти потенційних катастроф, що супроводжуються конкретними оцінками невизначеності для кожного прогнозу.
  • Готовність до змін клімату: Ця технологія заповнює критичну прогалину в сучасних моделях ML, дозволяючи краще готуватися до погодних явищ типу «чорний лебідь», спричинених зміною клімату.

Чому традиційні прогнози зазнають невдач

Більшість моделей прогнозування погоди та підходів машинного навчання є «орієнтованими на минуле». Їм потрібні великі архіви минулих повеней, ураганів, теплових хвиль тощо, щоб вивчати закономірності та проектувати майбутні ризики. У світі, де глобальні температури змінюються швидше, ніж це встигає фіксувати історія, така залежність стає слабкою стороною. Зміна клімату породжує події типу «чорний лебідь» — шторми, посухи або різкі стрибки температури, які виходять за межі минулих спостережень. Коли модель ніколи не бачила подібного випадку, її результати можуть стати вкрай неточними або, що ще гірше, взагалі відсутніми.

Фізично-інформована альтернатива

Система MIT перевертає питання з ніг на голову. Замість того, щоб питати «що тут траплялося раніше?», вона оцінює фундаментальну фізику, що керує рухом атмосфери — збереження маси, імпульсу, енергії — і поєднує ці рівняння зі статистичними методами, які досліджують широкий спектр можливих результатів. Завдяки прив'язці ШІ до фізики, модель може генерувати правдоподібні сценарії навіть тоді, коли історичні дані не дають жодних підказок.

Цей підхід є «фізично обґрунтованим» (physics-informed), оскільки нейронна мережа обмежена тими самими рівняннями, що керують реальною погодою. Це запобігає створенню ШІ фізично неможливих станів — проблемі, яка може переслідувати суто моделі, що базуються на даних, коли їх виводять за межі їхньої навчальної області. Результатом є набір прогнозів, які залишаються в межах статистичної можливості, водночас відображаючи хаотичну природу кліматичної системи.

Картографування «статистично можливого»

Найбільш помітним результатом є набір карт високої роздільної здатності, які показують, де може виникнути екстремальна подія та наскільки серйозною вона може бути. Кожна карта супроводжується оцінкою невизначеності, яка кількісно визначає ступінь впевненості в прогнозі. Для служб екстреного реагування, міських планувальників та розробників інфраструктури цей додатковий рівень має значення: оцінки невизначеності також допомагають користувачам зважувати компроміси. У певному регіоні може спостерігатися помірна ймовірність рідкісного супершторму, але довірчий інтервал може бути широким, що сигналізує про необхідність отримання додаткових даних або посилення моніторингу перед виділенням ресурсів. Навпаки, вузька смуга довіри навколо події з високою ймовірністю може виправдати негайні заходи з пом'якшення наслідків, такі як зміцнення дамб або перегляд маршрутів евакуації.

Ставки для кліматичної стійкості

Якщо цей інструмент виправдає свої обіцянки, він може змінити підхід до кліматичної готовності з реактивного на проактивний. Розробники кліматичних технологій (climate-tech), муніципальні посадовці та агентства з управління катастрофами отримають можливість планувати з урахуванням «безпрецедентних», а не лише «зафіксованих» подій. Це може призвести до розумніших рішень щодо зонування, більш цілеспрямованого розподілу надзвичайних бюджетів та створення інфраструктури, здатної витримувати ширший спектр екстремальних умов.

Ширші спільноти у сфері ШІ та кліматології також отримають вигоду. Демонструючи, що фізично обґрунтовані моделі можуть виходити за межі минулих даних, робота MIT кидає виклик панівній залежності лише від зіставлення шаблонів. Вона пропонує шлях до створення систем ШІ, які залишатимуться надійними в міру еволюції самого клімату.

Відкриті питання та обмеження

Покладання системи на фізику не усуває всіх занепокоєнь. Валідація прогнозів для подій, які ніколи не відбувалися, є за своєю суттю складною; будь-яка оцінка має спиратися на аналоги, синтетичні експерименти або довгострокове кліматичне моделювання. Критики можуть стверджувати, що ймовірнісний характер результатів може бути помилково сприйнятий як визначеність, особливо під час комунікації з нетехнічними зацікавленими сторонами.

На що звернути увагу далі

Висновок: Прив'язуючи штучний інтелект до законів фізики, інженери MIT відкрили шлях до прогнозування екстремальних погодних явищ, що виходять за межі історичних даних, пропонуючи карти ризиків високої роздільної здатності, що враховують невизначеність, які можуть змінити те, як суспільства готуються до клімату, що постійно змінюється.