Нейросети сегодня умеют довольно точно предсказывать погоду на короткий срок, но новое исследование учёных из Университета Чикаго, Нью-Йоркского и Калифорнийского университетов показало серьёзный пробел — такие модели просто не замечают настоящие погодные катастрофы. Работа опубликована в серьёзном научном журнале PNAS.
Выяснилось, что искусственный интеллект, который учится на старых данных, не способен предсказать то, чего в этих данных не было. Это значит, что нейросети могут пропустить редкие, но очень опасные явления, такие как ураганы самой высшей категории, сильнейшие засухи или масштабные наводнения. ИИ просто не знает, как это выглядит, если не видел раньше.
Педрам Хассанзаде, один из авторов исследования, говорит, что несмотря на успехи, нейросети — это не магия, а всего лишь инструмент, который развивается. Такие модели похожи на ChatGPT: они изучают прошлое, ищут закономерности и выдают прогнозы. Они быстрее и экономичнее старых моделей, которые требуют огромных мощностей.
Но есть опасность. Чтобы проверить это, учёные обучили модель без примеров ураганов выше второй категории и попросили её спрогнозировать шторм, который на самом деле оказался ураганом пятой категории. Модель каждый раз занижала силу бури, оценивая её максимум как ураган второй категории. Это может привести к серьёзным ошибкам в реальной жизни — ведь недооценка бедствия угрожает жизням и инфраструктуре.
Зато есть и хорошие новости. Если нейросеть уже видела похожие сильные штормы, пусть даже в другом уголке мира, она способна понять и предсказать новую катастрофу. Например, если в базе были сильные тихоокеанские ураганы, модель могла правильно предсказать мощный атлантический шторм. Это даёт надежду, что нейросети учатся распознавать редкие явления, если они хоть как-то знакомы.
Ученые уверены: чтобы научиться прогнозировать действительно опасные и редкие события, нужно объединять возможности искусственного интеллекта с классическими физическими моделями. Один из способов — использовать так называемое активное обучение, когда ИИ помогает создавать новые сценарии экстремальных погодных условий, чтобы тренировать модели и делать их умнее.
