ディープマインドとイギリスのエクセター大学のコンピューター科学者は、英国気象庁の気象学者と協力し、最大90分前に雨が降るかどうかを予測できるAIモデルを構築した。
従来の天気予報方法は、気圧、湿度、地球の大気温度といった様々な気象条件を考慮した複雑な方程式を解くことに依存しています。問題は、少なくともイギリスにおいては、これらのシステムは数日先、あるいは数週間先までしか予測できない傾向があることです。
前述の研究者らが水曜日にネイチャー誌に発表した論文によると、ディープラーニングモデルは、例えば数時間以内といった短期的な予測に適しているという。AIアルゴリズムを使用する利点はいくつかある。熱力学方程式を解く必要がなく、他の予測手法に比べて計算負荷が低いのだ。
DeepMind率いるチームは、生成的敵対的ネットワーク（GAN）を訓練し、雨が降る場所を示す一連の地図を作成しました。これらの降水地図はそれぞれ、大気中の水分の発生場所と移動場所を示しており、それぞれ1,536×1,280 kmの領域をカバーしています。これらの地図の例は、2016年から2018年にかけてのレーダー観測から数百万件収集されました。2019年に収集されたデータはテスト用に確保されていました。
ニューラルネットワークによって生成された天気図の例...画像提供：Ravuri他
モデルは訓練段階で、5分間隔で気象データを取得した一連の地図例を入力されました。そして、雲が空にどのように広がるか、そして雨を降らせるかどうかを示す共通のパターンを学習しました。
テスト段階では、システムは過去の4つの例に基づいて、5分間隔から最大90分までの降雨量を予測する次の一連の地図を生成するように指示されました。これは、システムに短いビデオクリップを与え、次のフレームを予測するようにトレーニングするようなものです。
- AIが衛星レーダー画像をクリーンアップし、科学者が火山噴火前に警告サインを見つけやすくする
- ハリケーンの強さを予測できるAIが登場。心配しないでください。NASAが開発したので、おそらく実際に機能するでしょう。
- 典型的だ。悪天候により、英国とフランス間の海底光ファイバーケーブルの工事が中断
- 飛行機に乗ったマス：ユタ州は飛行機から湖に魚を投下、約95％が生き残る
その性能は、フレーム間またはマップ間の変化がどれだけ滑らかで緩やかであったかなど、いくつかの要素に基づいて評価されます。モデルの精度を単純に計算するのではなく、研究チームは50人の専門気象学者からなるパネルにGANによって生成された予測マップをランク付けしてもらい、それらを他のより伝統的な数値気象予測システムによって生成されたマップと比較しました。
「50人以上の専門気象学者による体系的な評価により、私たちの生成モデルは、競合する2つの方法に対して、89パーセントのケースで精度と有用性において第1位にランクされたことを示した」と論文は述べている。
しかし、このモデルは実際どれほど正確なのだろうか？ 研究の共著者であり、英国気象庁のパートナーシップおよび製品イノベーション責任者であるニール・ロビンソン氏は、The Register紙に対し、「それは難しい」と語った。
ある意味、私たちのアプローチに価値があるかどうかを確かめる最も純粋な方法は、エンドユーザー、つまり私たちの気象学者に尋ねることだと判断しました。盲検法による調査では、彼らは他のアルゴリズムよりも私たちの新しいアプローチを圧倒的に好んでいました。
機械学習アルゴリズムは一般的に、予測の「良し悪し」を測る単純な尺度を最適化しようとします。しかし、天気予報の良し悪しは様々な要因で決まります。例えば、ある予報では降水量は正しい場所に予測されても降水強度が間違っていたり、別の予報では降水強度の組み合わせは正しいのに場所が間違っていたりするなどです。結局のところ、「良し」かどうかは、どのような品質が、どのような問題に対して有用であるかによって決まるのです。
この研究では、アルゴリズムを幅広い指標で評価するために多大な労力を費やし、複数の点で「優れている」ことを示しました。さらに、ある意味、私たちのアプローチの価値を最も純粋に判断する方法は、エンドユーザー、つまり私たちの気象学者に尋ねることだと判断しました。盲検法による調査では、彼らは他のアルゴリズムよりも私たちの新しいアプローチを圧倒的に高く評価しました。私たちの知る限り、気象学におけるAIの活用を評価するために、このように複数の異なる「優れている点」を包括的に評価した例はこれまでありませんでした。機械学習研究において、これは非常に異例なことだと思います。
この研究プロジェクトは現時点では概念実証の段階であり、気象庁が近い将来にAIアルゴリズムを実際の予報に使用する予定はない。ロビンソン氏は、GANのようなものが使えるようになる前に、気象庁が開発しなければならない様々なツールがあると述べている。
有用な新しい研究成果が発表された後も、運用可能なサービスを構築するには、まだ多くの作業が必要です。例えば、新しいツールの導入と保守方法、気象学者にとって最適なユーザーインターフェース、そして他の気象予報サービスとの整合性などを慎重に検討する必要があります。そうすることで、英国気象庁の使命の核心である信頼性を確実に提供できるようになります。
英国気象庁は、産業界と学界の協力を得て、他の AI 研究の課題の解決を検討していると述べた。®
