В последние годы технологии, основанные на искусственном интеллекте (ИИ), начали революционизировать различные сферы нашей жизни, включая предсказание погоды. Поскольку точные метеорологические прогнозы играют ключевую роль в планировании повседневных дел, экстренной помощи и защитных мерах в условиях стихийных бедствий, улучшение методов прогнозирования имеет большое практическое значение. Правильное предсказание погоды может спасти жизни и minimize financial losses, что делает сравнение традиционных физически-ориентированных моделей и новых моделей на основе машинного обучения особенно актуальным.

Традиционные метеорологические прогнозы опираются на сложные физические модели, которые обрабатывают огромные объемы данных, получаемых с помощью суперкомпьютеров. Эти модели требуют значительных ресурсов и времени на расчет, а их разрешение может ограничивать точность предсказаний, особенно на локальном уровне. В противовес им, модели машинного обучения используют алгоритмы, обученные на многолетних исторических данных, и могут производить прогнозы значительно быстрее, даже за несколько минут на стандартном компьютере. Неопределенность прогноза все же сохраняется — чем дальше в будущее, тем менее точны оба типа моделей.

Люди нередко считают, что модели на основе ИИ лучше традиционных, однако практика показывает, что у каждой технологии есть свои сильные и слабые стороны. Например, модели, разработанные такими компаниями, как Google и Microsoft, демонстрируют лучшие результаты в прогнозировании общих атмосферных условий, но могут не справляться с точными локальными событиями, такими как ливни. Это связано с тем, что многие из современных моделей машинного обучения не способны точно учитывать мелкие атмосферные изменения. Печальная реальность заключается в том, что даже самые совершенные модели сталкиваются с трудностями в прогнозировании событий, для которых отсутствуют данные, что может проявиться в условиях изменения климата.

Будущее прогнозирования погоды, вероятно, будет связано с комбинированием возможностей традиционных и ИИ-моделей. С каждым новым достижением в области ИИ мы могли бы увидеть более точные и общей охват прогнозы.