Článek
Vědci z Fakulty informačních technologií ve spolupráci s meteorology z firmy Meteopress učí umělou inteligenci předpovídat počasí na 24 hodin dopředu. Ta umí na základě velkého množství meterologických dat přinést přesnější a rychlejší předpověď než běžné numerické modely.
Výzkum stojí na základech závěrečné práce studenta FIT ČVUT Bc. Mateje Chomy. Detaily a kontext projektu Seznam Zprávám přiblížil jeden z jeho řešitelů Petr Šimánek.
Jak se učí neuronová síť?
Klíčovým nástrojem celé práce je neuronová síť, což je výpočetní model fungující na principu skutečné biologické neuronové sítě. Jeho hlavní předností je možnost velmi rychle pracovat s ohromným množstvím dat. Aby to ale neuronová síť zvládala se spolehlivým výsledkem, musí jí to nejprve někdo naučit. A to je přesně to, o co se vědci z ČVUT snaží. „Je to systém, který přijímá data a na jejich základě dává výsledky. Ty my pak porovnáváme s výsledky, o kterých už s jistotou víme, že jsou správné. Je to tedy učení, kdy učitel neuronové síti říká, jak to má vycházet a fungovat,“ pokusil se Šimánek zjednodušeně vysvětlit proces učení neuronové sítě, který předchází jejímu praktickému použití.
Šimánek a jeho kolegové ke zlepšení předpovědi pomocí neuronové sítě používají numerické simulace meteorologů i data přímo z radarů a satelitů. Klíčové v celém projektu bylo to, že vědci měli přístup i k datům z minulosti. Právě díky nim mohli neuronovou síť „zaučit“. „Máme k dispozici historická data, z kterých víme, jak vypadala předpověď a jak následně vypadalo skutečné počasí, a skrze to učíme neuronovou síť, aby předpověď zpřesnila,“ vysvětlil odborník.
Umělá inteligence tak na základě velkého množství dat zatím dokázala přinést o 15 % lepší předpověď než standardní numerické modely. Ty mají podle Šimánka velké rezervy. „Problém je v tom, že ten model je velmi složitý a ta fyzika v něm není zachytitelná celá, některá dokonce není známá vůbec a neví se, jak přesně funguje, takže v numerickém modelu ani není. Neuronová síť se učí, jakým způsobem tyto problémy upravovat a zlepšit predikci,“ uvedl vědec.
Otázka, jak to neuronová síť udělala, se nedá spolehlivě zodpovědět. Jak je to možné? Trefně to Seznam Zprávám vysvětlil už v článku věnovaném využití této technologie v biologii vědecký pracovník z Katedry buněčné biologie Přírodovědecké fakulty UK Marian Novotný: „To je na tom zajímavé. Vy znáte vstup, znáte výstup a jste schopni posoudit, jestli ten výstup je dostatečně dobrý. Ale co vlastně dělá ze vstupu výstup, není zřejmé.“
Pojďme ale zpět k projektu ČVUT a meteorologii. Zmiňovaná zvýšená přesnost předpovědi na 24 hodin dopředu o 15 % není zdaleka konečným benefitem. „Rozhodně to není strop, je to začátek a my věříme, že se to bude ještě zlepšovat,“ vyjádřil se Šimánek k otázce, jestli se může přesnost ještě navýšit, a dodal, že „realistické je se dostat poměrně brzy na zmenšení chyby o 25 %“. Limitem podle Šimánka rovněž není ani 24hodinové časové okno. Teď se svými kolegy pracuje na tom, aby se rozsah rozšířil od šesti do 48 hodin.
Co jinak trvá hodiny, neuronová síť zvládá za minutu
Další obrovská výhoda předpovědi neuronové sítě je podle Šimánka její časová nenáročnost. Na rozdíl od numerických modelů, které na predikci potřebují hodiny, jí totiž stačí asi minuta. „V momentě, kdy vy například zjistíte, že se vám mraky pohnuly někam úplně jinam, než jste předpokládali, je (s použitím numerických modelů, pozn. red.) prakticky nemožné do toho tuto informaci zanést. Neuronová síť to ale dokáže,“ vysvětlil Šimánek.
V praxi to podle něj znamená, že se do předpovědi dají nahrávat i aktuální data například z radarů, satelitů nebo stanic, což předpověď ještě víc zpřesňuje. „A to mnohem rychleji než klasické modely, které se počítají jen několikrát za den,“ doplnil odborník.
Na cestě k předpovídání tornáda
Nová forma předpovědi by mohla najít využití i v predikci náhlých meteorologických jevů, jako bylo letošní tornádo na Moravě. „V tuhle chvíli k tomu směřuje naše velmi krátkodobá předpověď, kdy predikujeme srážky na hodinu dopředu. Tam už i v případě Hodonínska jsme predikovali intenzivní bouřku nebo něco velmi intenzivního,“ řekl Šimánek. Varování, že se „bude dít něco velkého“, podle něj dokonce na Hodonínsku vydal na základě předpovědi i jeden pracovník Meteopressu dvě hodiny před tornádem.
Zatím však podle Šimánka tornádo i nadále zůstává těžce předvídatelným jevem, což se pomalu mění s tím, jak se zlepšuje kvalita radarových a dalších dat. Spolehlivá předpověď tornáda je ale podle něj něco, co se neobejde bez výrazných investicí.
S technologií podobně pracují i Švýcaři a Američani
Češi nejsou v pokusech využít neuronovou síť v meteorologii první. I ve zbytku světa je ale podle Šimánka tento obor v rané fázi. „Víme, že podobně to zkouší i ve Švýcarsku na federálním technologickém institutu (ETH). Snahy registrujeme i v Americe a něco podobného zkoušel i Google,“ uvedl Šimánek. Už teď se ale podle něj „ukazuje, že to funguje a může to být velký skok dopředu“.
Praktické využití existuje už nyní
V praxi se vylepšená předpověď podle Šimánka používá už v současnosti. „Hodinová předpověď srážek už je ostatně běžně k dispozici, můžete se na to podívat na stránkách Meteopressu. Máme to i nezávisle validované z dánského meteorologického ústavu, kde nám řekli, že jsme asi o 40 % přesnější než jejich současné metody predikce,“ uvedl vědec. Využití na úrovni běžného a hojně používaného nástroje v meteorologii čeká Šimánek „v relativně blízké době“.
