Praegu luuakse kohandatud ilmaprognoose valdavalt mitmeetapiliselt, kusjuures neist igaühe jaoks tuleb jooksutada spetsiaalseid superarvuteid mitu tundi. Samuti on selleks tarvis suurt meeskonda, kes neidsamu süsteeme arendavad, hooldavad ja kasutavad, vahendab The Guardian.

Cambridge'i Ülikooli Alan Turingi Instituudi masinõppe teadlased treenisid hiljutises projektis tehisaru töötlema toorandmeid ilmajaamadest, satelliitidelt, ilmapallidest, laevadelt ja lennukitelt üle kogu maailma. Nad usuvad tulemuste põhjal, et see annab võimaluse suureks edasiminekuks ilma ennustamise kiiruses, täpsuses ja kulutõhususes.

Lahendus Aardvark Weather põhineb hiljutistel Huawei, Google'i ja Microsofti uuringutel, mis näitavad, et ühe ilmaennustuse protsessi etapi – nn numbrilise lahendaja, mis arvutab, kuidas ilm ajas areneb – saab asendada masinõppel põhineva mudeliga, et koostada prognoose kiiremini ja täpsemalt.

Töörühma seniste katsete põhjal piisas juba kümnendikust tavasüsteemide kasutatavast andmehulgast, et ennustada mitme muutuja käitumist sama hästi, kui seda teeb USA riiklik GFS ennustussüsteem. Samuti pakkus see konkurentsi Ameerika Ühendriikide ilmateenistuse prognoosidele, mis põhinevad kümnetel ilmamudelitel ning inimekspertide analüüsil.

Cambridge'i Ülikooli masinõppe professor Richard Turner ütles, et lähenemist saab kasutada kiiresti kohandatud prognooside loomisel eri tööstusharude või piirkondade jaoks näiteks Aafrika põllumajanduse temperatuuriprognoosideks või Euroopa taastuvenergiaettevõtete tuulekiiruse ennustamiseks.

Turneri sõnul suudab mudel tulevikus toota täpseid kaheksapäevaseid prognoose, võrreldes praeguse viiepäevase ennustusperioodiga, ning pakkuda ülikohalikke ennustusi.

Alan Turingi Instituudi keskkonna ja jätkusuutlikkuse teadus- ja innovatsioonidirektor Scott Hosking märkis, et läbimurre võib muuta täpsete ilmaprognooside koostamise arengumaadele kättesaadavamaks. Samuti võib see aidata täpsetest ilmaprognoosidest sõltuvaid tööstusharusid.

Töörühm avaldas tulemused ajakirjas Nature.